Calibrare la confidenza
Renda affidabili le probabilità predette
Calibrare la confidenza è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
La confidenza è una promessa
Quando un modello indica il 90%, dovrebbe avere ragione nel 90% dei casi. La calibrazione misura se questa promessa viene mantenuta.
Sicurezza eccessiva per impostazione predefinita
Le moderne reti profonde producono spesso probabilità troppo alte. Sembrano sicure anche quando sbagliano frequentemente.
Perché è importante
In medicina o in finanza, le decisioni dipendono dal numero, non solo dall'etichetta. Una probabilità affidabile è importante quanto la previsione.
Il diagramma di affidabilità
Rappresenti la confidenza predetta rispetto all'accuratezza effettiva, suddividendo i dati in intervalli. Un modello perfettamente calibrato segue la linea diagonale.
Errore di calibrazione atteso
ECE somma, tra gli intervalli, la differenza tra confidenza e accuratezza in un unico numero. Un valore più basso indica probabilità meglio allineate.
Softmax non è calibrato
Un output softmax dall'aspetto molto sicuro non è una garanzia. I punteggi grezzi richiedono un passaggio di correzione per rappresentare correttamente il loro significato.
Temperature Scaling
La correzione più semplice divide i logits per una temperatura appresa prima di applicare softmax, attenuando i punteggi eccessivamente sicuri.
probs = torch.softmax(logits / temperature, dim=-1)Adattare il modello sui dati di validazione
Regola la singola temperatura su un set di validazione tenuto da parte, lasciando invariati i pesi del modello e la sua accuratezza.
L'accuratezza rimane invariata
Il temperature scaling ridimensiona solo la confidenza; non cambia mai la classe vincente, quindi l'accuratezza viene preservata.
Altri metodi di calibrazione
Oltre alla temperatura, anche il Platt scaling e la regressione isotona possono trasformare i punteggi grezzi in probabilità attendibili.
Verificare, poi fidarsi
Verifichi sempre la calibrazione prima di agire in base alle probabilità. Un modello ben calibrato consente di impostare le soglie con sicurezza. ✅
Controllo rapido
Ricordi il metodo più semplice per correggere una rete neurale troppo sicura delle proprie previsioni.
Riepilogo
Una buona calibrazione significa che la sicurezza del modello corrisponde all'accuratezza. La verifichi con i diagrammi di affidabilità e l'ECE, poi la corregga con il temperature scaling. 🎯
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Calibrare la confidenza» è gratuita?
Sì — il testo completo di «Calibrare la confidenza» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Calibrare la confidenza»?
Renda affidabili le probabilità predette Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Calibrare la confidenza»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Precision, recall, F1 e ROC-AUC
- Matrici di confusione e analisi degli errori
- Grad-CAM: scopra cosa osserva il modello
- Calibrare la confidenza