К содержанию
Quantoros

Почему оптимизация log loss не гарантирует, что логистическая регрессия всегда калибрована?

Classic MLУровень: ПрактикаModel-specific calibration

Почему оптимизация log loss не гарантирует, что логистическая регрессия всегда калибрована?

Подсказки
  • Семейство модели может быть неверным.
  • Обучающая и рабочая популяции могут различаться.

Ответ

Важны корректность спецификации, регуляризация и распределение оценки. Хорошее поведение в правильно заданной модели не является гарантией при неверной спецификации или сдвиге данных.

Источник и лицензия: scikit-learn 1.7.2 — calibration · BSD-3-Clause · ответ: редакция Quantoros · перевод: Quantoros

Похожие вопросы