Калибровка является важным шагом во многих приложениях машинного обучения, чтобы гарантировать, что предсказанные вероятности классификатора точно отражают истинную вероятность каждого класса. На практике некоторые классификаторы, такие как машины опорных векторов и деревья решений, дают плохо откалиброванные оценки вероятности. Эти неверно откалиброванные вероятности могут отрицательно сказаться на производительности систем принятия решений, приводя к субоптимальным результатам, особенно в..