La calibration est le processus de mise en correspondance des scores ou sorties bruts d’un modèle avec des probabilités ou appartenances de classe qui reflètent mieux les résultats observés. Les probabilités prédites d’un classificateur calibré devraient correspondre étroitement aux fréquences réelles, améliorant l’interprétabilité et les seuils de décision.
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.