Urekebishaji wa Modeli
Urekebishaji wa modeli ni mbinu ya baada ya uchapishaji ambayo hurekebisha matokeo ya uwezekano wa kipekee kilichofunzwa ili alama za ujasiri zilizotabiriwa zilingane na mzunguko wa matokeo ya majaribio. Kipelekee husemekana kuwa kimekamilika kurekebishwa ikiwa, kati ya utabiri wote uliofanywa kwa ujasiri p, ni sehemu p tu kati yao ndizo sahihi. Marekebisho mabaya ya kimfumo ya mitandao ya kisasa ya neva ya kina yaliandikwa kwa ukali na Guo et al. (2017), ambao walionyesha kuwa mitandao iliyofunzwa kwa upotezaji wa kawaida wa msalaba-entropi huwa na ujasiri mwingi, na walipendekeza upimaji wa joto kama suluhisho rahisi na madhubuti.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Method map
The neighbourhood of related methods — select a node to explore.
Vyanzo
- Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. International Conference on Machine Learning, 1321–1330. link ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 2). Probability Calibration of Classifiers. ScholarGate. https://scholargate.app/sw/machine-learning/model-calibration
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Utabiri UlinganifuUjifunzaji wa Mashine↔ compare
- Regresheni ya LogistikiTakwimu za Utafiti↔ compare
- Uhakiki wa Kutokuwa na UhakikaUigaji↔ compare
Imerejelewa na
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →