Вероятностная калибровка на примере Probability Calibration Trees | Вебинар | karpov.courses

Курс Hard ML: bit.ly/3EIswkL
Получение точных и откалиброванных оценок вероятности для предсказания каждого класса - крайне полезный и важный навык, например, при минимизации ожидаемых затрат. Прогнозирование вероятностей позволяет корректно принимать решения, используя вероятностный подход, представлять прогнозы с неопределенностью и оценивать качество модели. На вебинаре мы вместе:
● Рассмотрим, что такое вероятностная калибровка и где её использовать
● Научимся применять Probability Calibration Trees
● Разберёмся, почему этот метод приводит к лучшим результатам, чем Platt-масштабирование и изотоническая регрессия
Статьи, упомянутые на вебинаре:
Chuan Guo, «On Calibration of Modern Neural Networks», 2017
Rafael Müller, Simon Kornblith, Geoffrey Hinton «When Does Label Smoothing Help?»
Скачать материалы: clck.ru/U5iZ8
Учитесь Data Science с нами: karpov.courses/