Expectation Consistency Loss

新的损失函数提高了数据偏移下模型的置信度校准能力

研究人员开发了一种名为期望一致性损失（ECL）的新方法，用于提高分类模型在处理协变量偏移时的置信度校准能力。该方法通过建立“期望一致性条件”来重新思考校准，该条件表明数据分布的变化并不必然导致置信度校准不准确。ECL是一种无监督域适应损失，可应用于各种校准类型，并被证明与期望校准误差（ECE）等现有方法具有相似的样本复杂度。ECL的有效性已在模拟和真实数据集上得到验证。