Term

温度スケーリング

別名: Temperature Scaling

Overview

最終更新: 2026年7月9日

ニューラルネットワークの学習が完了した後に、出力される確率分布の「温度」パラメータを調整することで、モデルの確信度と実際の正解率を一致させるキャリブレーション手法。検証用データセットを用いて最適な温度を算出し、過剰に高い確信度を押し潰すなどの補正を行う。実装が容易で広く使われているが、別途検証データが必要であり、モデル内部の根本的な改善ではないという側面がある。

Mentioned Articles

1 件