calibration

캘리브레이션

모델이 출력한 확률이 실제로 맞을 가능성과 얼마나 일치하는지를 뜻하는 머신러닝 개념이다.

기사 1편최근 언급

calibration(캘리브레이션)은 모델이 내놓은 확률 값이 실제 결과의 빈도와 얼마나 일치하는지를 뜻한다. 예를 들어 어떤 모델이 0.8의 확률을 부여한 사례들 가운데 실제로 약 80%가 참이라면 그 모델은 잘 calibration된 것이다. 맞고 틀림의 비율만 보는 정확도와 달리, calibration은 확률 값 자체의 신뢰도를 다룬다.

분류 모델의 확률 출력을 임계값과 비교해 자동 처리나 사람 검토를 결정하는 시스템에서 중요하다. calibration은 모델마다 다르므로 한 모델에서 정한 임계값을 다른 모델에 그대로 옮길 수 없으며, 보통 정답이 있는 평가 데이터로 측정한다. 계측 분야에서는 측정 기기의 눈금을 기준값에 맞추는 작업을 가리킨다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • decision model, 텍스트 대신 확률로 agent 판단을 맡기는 설계AI 활용 ·

    즉 0.39와 0.50 사이에는 어떤 임계값을 골라도 16건 중 15건을 맞히는 calibration gap(점수가 비는 구간)이 생겼습니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.