Глоссарий ИИ
Полный словарь искусственного интеллекта
Expected Calibration Error (ECE)
Métrique pondérée calculant l'erreur moyenne de calibration en divisant les prédictions en intervalles de confiance et mesurant la différence entre confiance et précision.
Maximum Calibration Error (MCE)
Métrique identifiant le pire cas de désaccord entre confiance et précision parmi tous les intervalles de confiance, utile pour évaluer les risques extrêmes.
Reliability Diagram
Visualisation graphique comparant les probabilités prédites (confidence) aux fréquences empiriques (accuracy) pour évaluer visuellement la calibration d'un modèle.
Histogram Binning
Méthode de calibration discrétisant les scores de prédiction en intervalles et remplaçant chaque score par la fréquence empirique de sa classe correspondante.
Beta Calibration
Technique paramétrique utilisant la fonction de régression Beta pour modéliser la relation entre scores bruts et probabilités calibrées, adaptée aux prédictions binaires.
Dirichlet Calibration
Extension multi-classe de la calibration Beta utilisant la distribution de Dirichlet pour calibrer simultanément toutes les classes avec interdépendances.
Logistic Calibration
Famille de méthodes paramétriques basées sur la régression logistique pour ajuster les probabilités prédites, incluant Platt Scaling comme cas particulier.
Class-wise Calibration
Calibration effectuée séparément pour chaque classe du problème multi-classe, contrairement à la calibration globale qui considère toutes les classes simultanément.
Калибровка верхней метки
Калибровка, специфичная для предсказания с наивысшей вероятностью, особенно важная в системах, где используется только лучшее предсказание.
Апостериорная калибровка
Процесс настройки апостериорных вероятностей для соответствия истинным условным распределениям при заданных входных характеристиках.
Адаптивная калибровка
Методы калибровки, которые динамически адаптируются к изменяющимся распределениям данных, непрерывно перенастраивая параметры калибровки.
Многоклассовая калибровка
Расширение бинарных методов калибровки для многоклассовых задач, требующее одновременной калибровки распределений вероятностей по нескольким классам.