هوش مصنوعی و سامانه‌های دیجیتال

نوشته‌ها

چرا کالیبراسیون خوب در صورت تغییر داده‌ها کافی نیست

یک مدل طبقه‌بندی می‌تواند روی یک مجموعه‌داده آزمون، احتمال‌های متناسبی ارائه دهد. اگر داده‌های ورودی تغییر کنند، همین احتمال‌ها ممکن است به‌مراتب کمتر با فراوانی واقعی پیش‌بینی‌های درست هم‌خوانی داشته باشند. بنابراین آنچه اهمیت تعیین‌کننده دارد این است که کالیبراسیون در چه شرایطی بررسی شده است.