Tag: model-calibration
-
【AI 核心深度 M2-084】温度缩放（temperature scaling）如何校准深度网络？（Temperature Scaling for Calibrating Deep Neural Networks）深度数理推导与工程落地解析
在 logits 上除以温度 T，用验证集拟合 T；不改预测类别，只调整置信度。
-
【AI 核心深度 M2-085】校准在哪些场景至关重要？举两个例子（Scenarios Where Calibration is Critical: Core Use Cases and Concrete Examples）深度数理推导与工程落地解析
概率被下游使用时：医疗风险、金融定价、广告出价、级联系统的阈值决策。
-
【AI 核心深度 M2-081】定义模型校准，并解释为什么高准确率不等于好校准（Defining Model Calibration: Why High Accuracy Does Not Imply Good Calibration）深度数理推导与工程落地解析
校准指预测概率与真实频率一致；准确率高但概率系统性偏大/偏小仍是不校准。
-
【AI 核心深度 M2-082】比较 Platt scaling 与 Isotonic regression（Comparing Platt Scaling and Isotonic Regression for Probability Calibration）深度数理推导与工程落地解析
Platt 拟合 sigmoid（参数少、需较少数据）；Isotonic 拟合单调阶梯（更灵活但易过拟合）。
-
【AI 核心深度 M2-083】解释 ECE（期望校准误差）的计算与局限（Expected Calibration Error (ECE): Mathematical Formulation and Practical Limitations）深度数理推导与工程落地解析
按置信度分箱，计算 |平均置信度 − 平均准确率| 的加权和；局限是依赖分箱且对样本量敏感。