arXiv · Statistics Machine Learning· Eug\`ene Berta, Sacha Braun, Francis Bach, Michael I. Jordan, David Holzm\"uller·· 4 hr agoAI score29
V-ECE：估计通用期望校准误差
V-ECE: Estimating General Expected Calibration Errors
AI brief
论文提出变分估计器 V-ECE，用预测依赖的恰当分数估计通用凸散度（含 L_p 距离）下的校准误差，并以梯度提升对温度缩放拟合残差来估计超额风险。该方法无需分箱或聚类，在期望上为真实校准误差的下界。在基于真实分类器的半合成基准上，V-ECE 在各类校准误差中均为最准确的二分类估计器之一，并在多分类任务上显著优于所有对比方法。
Source: arXiv · Statistics Machine Learning · arxiv.org