Kalibrácia modelu

Kalibrácia modelu je post-hoc technika, ktorá upravuje výstupy pravdepodobnosti natrénovaného klasifikátora tak, aby predikované skóre dôvery zodpovedalo empirickým frekvenciám výsledkov. Hovorí sa, že klasifikátor je dokonale kalibrovaný, ak z celého počtu predikcií s dôverou p, presne zlomok p z nich je správny. Systematická miskalibrácia moderných hlbokých neurónových sietí bola rigorózne zdokumentovaná Guo et al. (2017), ktorí ukázali, že siete trénované so štandardnou stratou krížovej entropie majú tendenciu byť prehnane sebavedomé, a navrhli škálovanie teplotou ako jednoduché, efektívne riešenie.