新方法实现了二阶校准误差的最优速率

研究人员对二元分类中二阶校准误差的估计的 minimax 速率进行了表征，该误差衡量预测器的不确定性与标签概率方差的匹配程度。他们发现，使用特定的扰动核允许多项式回归达到 \(\tilde{O}(1/\sqrt{n})\) 的估计速率，这比现有方法有了显著改进。这项工作还为二阶 Platt 缩放提供了第一个有限样本保证，为任何高阶预测器的均值预测和认知方差估计提供了事后重新校准。 AI

影响 为分类模型中的不确定性量化建立了新的理论基准，可能提高 AI 系统的可靠性。

排序理由 该集群包含一篇详细介绍机器学习新理论结果和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Ahdritz et al.
• binary classification
• polynomial regression
• second-order calibration error
• second-order Platt scaling

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →