第 9 模块:它真的更好吗?
标签平滑与校准
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 标签平滑常常被宣传为“它能改善校准”。有时候确实如此。有时候它会让校准变差。去测量,不要假设。
标签平滑朝着像真实类别 0.91、其他每个类别 0.01 这样的目标训练,而不是恰好的 1 和 0。这能阻止模型把它的信心推到极端。如果模型原本过于自信,这会有帮助。如果它原本就不够自信,这会让情况变得更糟。
先预测,然后在这个模型上测量。
本课中的词语和符号
- 校准、ECE
- 信心是否和准确率相符;加权的平均差距
轮到你了
把 my_prediction 设为 "better" 或 "worse":在这里,0.1 的平滑会降低 ECE 吗?然后用给出的函数计算 ece_plain 和 ece_smooth,并把 measured 设为实际发生的情况。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。