本研究提出了一种新的贝叶斯置信度估计器BACON，解决了深度神经网络使用Softmax时的极端预测问题。BACON通过验证数据估算概率，显著改善校准误差，尤其在不平衡测试集上表现出色。

本文研究了概率预测模型的校准方法，提出了直方图分箱、概率校准树和简化校准方法等技术，以提高分类器的准确性和可靠性。研究表明，这些方法在不同场景下有效降低校准误差，尤其适用于高风险决策中的概率估计。