Статистические данные > Машинное обучение [представлено 27 февраля 2026 (v1), последний пересмотренный вариант от 8 октября 2026 года (эта версия, v2)) Название: V-ECE: Оценка общих ожидаемых ошибок калибровки Вид HTML (экспериментальный) Резюме: В вероятностной классификации погрешности калибровки (CE) измеряется среднее расхождение прогнозируемых вероятностей в размере f(X) долл. США с $mathbb {P}(Yinterif(X)] долларовым распределением класса для этой прогнозируемой вероятности. Несмотря на то, что он является полезным диагностическим инструментом, его трудно оценить: популярные оценки на основе мусорного мусора зачастую непоследовательны и плохо масштабируются за пределами двух классов. В ходе недавно проведенной работы CE переписывается в качестве избыточного риска для модели по сравнению с лучшими реалибрациями ее собственных прогнозов, измеряемых с надлежащей потерей. Однако, это работает только для ошибок калибровки на основе Bregman-Divergence, таких как квадратная ошибка, исключая более популярный $L_1 долл. на расстоянии CE. Мы показываем, что использование соответствующих баллов в зависимости от прогнозов может ослабить это ограничение и позволить нам оценить CE с общими выпуклыми расхождениями, включая расстояние в размере $L_p долларов с потерями закрытой формы в двоичном и многоклассных параметрах. Для оценки избыточного риска мы введем более точный реалибратор, который соответствует остаточной шкале температуры с градиентным ускорением. В результате этого…
V-ЕЭК: Оценка общих ожидаемых ошибок калибровки
arXiv: 2602.22230v2 Annuales Type: заменить резюме: В вероятностной классификации погрешность калибровки (CE) измеряет среднее расхождение прогнозируемых вероятности в размере f(Х) долл. США от $\mathbb {P}(Y мартек(х)), реальное распределение классов для этой прогнозируемой вероятности. Несмотря на то, что он является полезным диагностическим инструментом, его трудно оценить: популярные оценки на основе мусорного мусора зачастую непоследовательны и плохо масштабируются за пределами двух классов. В ходе недавно проведенной работы CE переписывается в качестве избыточного риска для модели по сравнению с лучшими реалибрациями ее собственных прогнозов, измеряемых с надлежащей потерей. Однако, это работает только для ошибок калибровки на основе Bregman-Divergence, таких как квадратная ошибка, исключая более популярный $L_1 долл. на расстоянии CE. Мы показываем, что использование соответствующих баллов в зависимости от прогнозов может ослабить это ограничение и позволить нам оценить CE с общими выпуклыми расхождениями, включая расстояние в размере $L_p долларов с потерями закрытой формы в двоичном и многоклассных параметрах. Для оценки избыточного риска мы введем более аккуратный