RecalibrationFunction

RecalibrationFunction

ClassifyPredict 和相关函数的一个选项,用于指定如何对模型预测进行后处理.

更多信息

  • 对于分类器,重新校准 (Recalibration) 也称为概率校准,通常用于纠正过度自信或不自信的分类器.
  • RecalibrationFunction 可用于训练时间、推理时间,或更新现有模型的校准器.
  • 当在推理时指定或更新现有模型的校准器时,RecalibrationFunction 的典型设置包括:
  • None删除现有的重新校准
    f将函数 f 附加到现有校准器
  • 对于分类器,函数 f 应用于类别概率 f[<|class1p1,class2p2,|>] 并且应返回新的类别概率. 新的类别概率会自动正态化处理.
  • 对于预测变量,函数 f 通过应用于输出值来转换预测分布.
  • 当在训练时指定时,RecalibrationFunction 的典型设置包括:
  • None防止任何重新校准
    Automatic需要时重新校准模型
    All总是重新校准模型
  • 除了用于最终模型之外,重新校准还应用于在训练过程中由 ClassifyPredict 生成的候选模型.
  • RecalibrationFunctionAll 时,重新校准应用于每个候选模型.
  • RecalibrationFunctionAutomatic 时,重新校准仅用于需要它的候选模型.

范例

打开所有单元关闭所有单元

基本范例  (4)

加载 MNIST 数据集:

在不进行任何重新校准的情况下训练随机森林分类器:

可视化测试集上的校准曲线:

有重新校准的情况下训练随机森林分类器:

可视化测试集上的校准曲线:

训练分类器:

计算一个新样例的分类概率:

检查模型是否被校准过:

临时设置一个重新校准函数以便在计算概率时使用:

设置一个永久重新校准函数以便在计算概率时使用:

计算一个新样例的分类概率:

从分类器中删除重新校准函数:

加载 Boston Homes 数据集:

训练预测器时使用模型校准:

可视化测试集上的比较图:

从预测器中移除重新校准函数:

可视化新的比较图:

训练一个预测器:

计算预测值:

计算预测性分布:

临时设置一个重新校准函数以便在计算预测值时使用:

在新的校准函数条件下计算预测性分布:

应用  (1)

加载泰坦尼克号数据集:

训练一个没有校准函数的最近邻分类器:

分类器有点过度自信:

在测试集中选择最坏的分类情况:

运算估计的概率:

使用温度调节降低分类器的自信:

Wolfram Research (2021),RecalibrationFunction,Wolfram 语言函数,https://reference.wolfram.com/language/ref/RecalibrationFunction.html.

文本

Wolfram Research (2021),RecalibrationFunction,Wolfram 语言函数,https://reference.wolfram.com/language/ref/RecalibrationFunction.html.

CMS

Wolfram 语言. 2021. "RecalibrationFunction." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/RecalibrationFunction.html.

APA

Wolfram 语言. (2021). RecalibrationFunction. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/RecalibrationFunction.html 年

BibTeX

@misc{reference.wolfram_2024_recalibrationfunction, author="Wolfram Research", title="{RecalibrationFunction}", year="2021", howpublished="\url{https://reference.wolfram.com/language/ref/RecalibrationFunction.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_recalibrationfunction, organization={Wolfram Research}, title={RecalibrationFunction}, year={2021}, url={https://reference.wolfram.com/language/ref/RecalibrationFunction.html}, note=[Accessed: 21-November-2024 ]}