Сглаживание меток и калибровка
Почему это важно Сглаживание меток часто продают под лозунгом "оно улучшает калибровку". Иногда улучшает. Иногда ухудшает. Измеряйте, не предполагайте.
Сглаживание меток обучает к целям вроде 0,91 для верного класса и 0,01 для каждого другого вместо ровно 1 и 0. Это не даёт модели доводить свою уверенность до крайности. Если модель была слишком уверенной, это помогает. Если она уже была недостаточно уверенной, становится хуже.
Сначала предскажите, затем измерьте на этой модели.
Слова и символы этого урока
- калибровка, ECE
- совпадает ли уверенность с точностью; взвешенный средний разрыв
Присвойте my_prediction значение "better" или "worse": снизит ли здесь сглаживание 0,1 ECE? Затем вычислите ece_plain и ece_smooth данными функциями и присвойте measured то, что произошло на самом деле.
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.