Closed shinmura0 closed 3 years ago
全体的にconfidenceが低すぎる、もしくは高すぎる場合、ソフトマックスの 分類問題のケースだと、温度パラメータとlabel smoothingがcalibrationに 有効とのこと。 https://arxiv.org/abs/1906.02629
図は、CIFAR100の例。label smoothing (alpha=0.05)を使うと accuracy と confidenceが見事に相関する(青→緑へ改善)。
BCEの場合でも、label smoothingを使うとcalibration効果があるかも。 これにより、閾値をクラスごとに最適化させる必要がなくなるかも。
false positiveを抑える効果があった。
全体的にconfidenceが低すぎる、もしくは高すぎる場合、ソフトマックスの 分類問題のケースだと、温度パラメータとlabel smoothingがcalibrationに 有効とのこと。 https://arxiv.org/abs/1906.02629
図は、CIFAR100の例。label smoothing (alpha=0.05)を使うと accuracy と confidenceが見事に相関する(青→緑へ改善)。
BCEの場合でも、label smoothingを使うとcalibration効果があるかも。 これにより、閾値をクラスごとに最適化させる必要がなくなるかも。