Label smoothing e calibrazione
Perché è importante Il label smoothing viene spesso venduto come "migliora la calibrazione". A volte lo fa. A volte la peggiora. Misura, non supporre.
Il label smoothing addestra verso obiettivi come 0.91 per la classe vera e 0.01 per ogni altra classe, invece di esattamente 1 e 0. Questo impedisce al modello di spingere la sua sicurezza all'estremo. Se il modello era troppo sicuro, aiuta. Se era già poco sicuro, peggiora le cose.
Prima prevedi, poi misura su questo modello.
Parole e simboli di questa lezione
- calibrazione, ECE
- se la sicurezza corrisponde all'accuratezza; lo scarto medio pesato
Imposta my_prediction su "better" o "worse": lo smoothing di 0.1 abbasserà l'ECE qui? Poi calcola ece_plain ed ece_smooth con le funzioni date, e imposta measured su ciò che è successo davvero.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.