Conteúdo do curso Lição 108 de 246 · Módulo 9: É realmente melhor?
Módulo 9: É realmente melhor?

Suavização de rótulos e calibração

Por que isso importa Label smoothing é frequentemente vendido como "isso melhora a calibração". Às vezes funciona. Às vezes piora. Meça, não presuma.

O suavização de rótulos treina em direção a alvos como 0.91 para a classe verdadeira e 0.01 para cada outra classe, em vez de exatamente 1 e 0. Isso impede o modelo de levar sua confiança ao extremo. Se o modelo estava excessivamente confiante, isso ajuda. Se ele já estava pouco confiante, isso piora as coisas.

Preveja primeiro, depois meça neste modelo.

Palavras e símbolos nesta lição
calibration, ECE
se se a confiança corresponde à acurácia; a lacuna da média ponderada
Sua vez

Defina my_prediction como "better" ou "worse": o smoothing 0.1 vai baixar o ECE aqui? Depois calcule ece_plain e ece_smooth com as funções dadas, e defina measured para o que realmente aconteceu.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.