Kalibrierung ist der Prozess, Rohwerte oder Ausgaben eines Modells auf Wahrscheinlichkeiten oder Klassenzugehörigkeiten abzubilden, die beobachtete Ergebnisse besser widerspiegeln. Die vorhergesagten Wahrscheinlichkeiten eines kalibrierten Klassifikators sollten realen Häufigkeiten möglichst nahe entsprechen und dadurch Interpretierbarkeit und Entscheidungsschwellen verbessern.
Calibration is the process of mapping a raw score onto a class membership, for binary and multiclass classification. Some ML.NET trainers have a NonCalibrated suffix. These algorithms produce a raw score that then must be mapped to a class probability.