- MBCT: Tree-Based Feature-Aware Binning for Individual Uncertainty Calibration [29.8]
ほとんどの機械学習分類器は分類精度のみを気にするが、特定の応用(医学診断、気象予測、計算広告など)では、校正推定と呼ばれる真の確率を予測するためにモデルを必要とする。 従来の研究では、予測器の出力を処理後、ビンニングやスケーリング法などの校正値を得るためのいくつかの校正法を開発した。我々はMultiple Boosting Trees (MBCT)と呼ばれる特徴認識型バイナリフレームワークを提案する。 本手法はキャリブレーション誤差と順序精度の両方で競合するモデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (Wed, 9 Feb 2022 08:59:16 GMT)- ビニングの方法（ビニング先）を学習するモデルを使うことでProbability calibrationをうまくやれるとの報告。（分野によっては）非常に重要な結果。
- リポジトリはGitHub – huangsg1/Tree-Based-Feature-Aware-Binning-for-Individual-Uncertainty-Calibration