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

Курс Hard ML: https://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: https://clck.ru/U5iZ8 Учитесь Data Science с нами: https://karpov.courses/