2026-02-17 2026-02-17 随手记 几秒读完 (大约95个字) 0次访问Isotonic Calibration Layer in DNN常规校准方法 Platt scaling isotonic regression isotonic regression layer ycali =Σi=0i=kRelu(ei+wi)⋅vi+b,vi={ step, if i<ky−step⋅i=ky_{\text {cali }}=\Sigma_{i=0}^{i=k} \operatorname{Relu}\left(e_i+w_i\right) \cdot v_i+b, v_i=\left\{\begin{array}{ll}\text { step, } & \text { if } i<k \\ y-s t e p \cdot & \mathrm{i}=\mathrm{k}\end{array}\right.ycali =Σi=0i=kRelu(ei+wi)⋅vi+b,vi={ step, y−step⋅ if i<ki=k,k=argmaxj(y−k=\arg \max _j(y-k=argmaxj(y− step ⋅j>0)\cdot j>0)⋅j>0).#card 分段拟合,对预测值分桶,每个桶一个可训练的权重 wi relu 保证非负 ei 由校准特征得到的 embedding 网络回响Isotonic Calibration Layer in DNNhttps://blog.xiang578.com/post/logseq/50022.html作者Ryen Xiang发布于2026-02-17更新于2026-02-17许可协议