实体
Yifan Wu
Yifan Wu
PulseAugur coverage of Yifan Wu — every cluster mentioning Yifan Wu across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的真实校准误差改进了多类别预测评估
研究人员引入了衡量多类别预测中校准误差的新方法，重点关注“真实性”概念。这意味着该测量能够准确反映预测器在报告其真实条件标签分布时的性能。该研究将真实校准误差推广到标签分布的多维属性，包括完全多类别和逐类校准，并为置信度校准提供了真实性修正。经验上，与传统的非真实性方法相比，这些真实性误差在不同分箱选择下表现出更稳定的模型排名。
-
新的校准度量在机器学习中提供真实预测
研究人员引入了一种名为平均双箱校准误差（ATB）的新校准度量，旨在实现完全真实。该度量量化了预测器与完美校准的偏差程度，当预测器输出真实概率时，该度量达到最小。ATB 与现有的平滑校准误差和校准距离等度量呈二次方关系，其简单性允许高效计算，从而实现了第一个线性时间校准测试算法。