3.2.2 异常检测与置信度校准
文档摘要
3.2.2 异常检测与置信度校准 3.2.2 异常检测与置信度校准：用温度缩放（Temperature Scaling）驯服模型的“过度自信” 在真实世界的机器学习系统中，我们常常面对一个令人困惑却又普遍存在的现象：模型在测试集上准确率高达98%，但一旦部署上线，却频繁对错误样本给出极高的置信度——比如将一张模糊的猫图判为“狗”，且概率高达0.99。这种“过度自信”不仅误导下游决策模块，更严重削弱了异常检测机制的有效性。 会员。《3.2.2 异常检测与置信度校准》收录于灏天文库文集《AI安全与对抗机器学习》，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。文档编号30108。
评论区
(0)
U