无需分箱即可高效估计模型校准误差的新方法

研究者提出一种无需分箱即可高效估计模型校准误差的方法，将校准误差转化为最优重校准带来的风险降幅。该方法可直接得到校准误差的下界估计，并判断模型是过自信还是欠自信，同时避免分箱引入的偏差与超参数选择。