如何验证机器学习回归任务的平均校准性？

原文约200字，阅读约需1分钟。发表于：。

根据最新机器学习不确定性量化文献上的数据集集成，本文展示了标定误差 (CE) 极其敏感于不确定性分布的特点和异常值不确定性的存在，因此不适合用于标定测试，相比之下，ZMS 统计量在这个背景下提供了最可靠的方法，并且探讨了条件标定验证的启示。

本文提出了更准确的分类器标定度量标准，并对常用的神经网络结构和标定技术进行了实证评估。发现常用的标定技术在不同可靠性定义的标定误差上并未有统一的改善。