BriefGPT.xyz
Jul, 2018
概率校准树
Probability Calibration Trees
HTML
PDF
Tim Leathart, Eibe Frank, Geoffrey Holmes, Bernhard Pfahringer
TL;DR
提出了概率校准树，是一种修改后的逻辑模型树，它识别输入空间中的不同区域，在这些区域中学习不同的概率校准模型以提高性能。与等单调回归和Platt缩放方法相比，我们的方法的平均根均方误差更低，适用于各种基础学习器产生的概率估计。
Abstract
Obtaining accurate and well calibrated
probability estimates
from classifiers is useful in many applications, for example, when minimising the expected cost of classifications. Existing methods of calibrating
probabilit
→