研究者提出免分箱校准误差估计法

PotoSacho、Francis Bach等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，并据此给出校准误差的下界估计。研究者称，该方法还能判断模型是过度自信还是自信不足，并避免传统分箱方法可能引入的偏差及超参数选择问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。