Калибровка модели

Калибровка модели — это постфактумная техника, которая корректирует вероятностные выходные данные обученного классификатора таким образом, чтобы предсказанные оценки уверенности соответствовали эмпирическим частотам исходов. Говорят, что классификатор идеально откалиброван, если среди всех предсказаний, сделанных с уверенностью p, ровно доля p из них верны. Систематическая раскалибровка современных глубоких нейронных сетей была строго задокументирована Guo et al. (2017), которые показали, что сети, обученные со стандартной функцией потерь перекрестной энтропии, имеют тенденцию быть излишне уверенными, и предложили масштабирование температуры как простое и эффективное средство.