Modell-Re-Kalibrierung
Modell-Re-Kalibrierung ist der Prozess der Anpassung der Ausgabewahrscheinlichkeiten eines bereits trainierten KI-Modells, um sicherzustellen, dass diese Wahrscheinlichkeiten die tatsächliche Konfidenz des Modells widerspiegeln, ohne die Rangfolge der Vorhersagen zu ändern.
Kategorie: Training, Daten & Fine-Tuning
Oftmals liefern KI-Modelle, insbesondere tiefe neuronale Netze, gut sortierte Vorhersagen, aber ihre ausgegebenen Wahrscheinlichkeiten sind nicht gut kalibriert. Das bedeutet, ein vorhergesagtes 80%-Konfidenzintervall entspricht nicht immer einer tatsächlichen Korrektheit von 80%. Die Re-Kalibrierung zielt darauf ab, dies zu korrigieren:
Synonyme / Tags
- Model Recalibration
- Anpassung an neue Verteilungen
- Wahrscheinlichkeitskalibrierung
Die ganze Definition im Member Hub braucht ein kostenloses Konto.