Thema: calibration
-
Label Shift: sich ändernde Klassenanteile erkennen und korrigieren
Veränderte Klassen-Priors nur unter einer ausdrücklichen Label-Shift-Annahme schätzen, die Identifizierbarkeit prüfen und die Schätzung der Priors von der kalibrierten Korrektur der Posteriors trennen.
-
Temperature Scaling: Konfidenz von Klassifikatoren kalibrieren
Eine einzelne positive Temperatur wird auf zurückgehaltenen Vorhersagen angepasst, um Softmax-Wahrscheinlichkeiten zu korrigieren. Die argmax-Labels bleiben erhalten, und die Kalibrierung wird getrennt von schwellenwertbasierten Entscheidungen bewertet.
Maschinenlesbar: JSON