Kalibrasi & Proper Scoring

Inferensi, estimasi, dan pengambilan keputusan dari data

Sebuah classifier sering mengeluarkan lebih dari sekadar sebuah label. Tanyakan padanya peluang sebuah email adalah spam dan ia mungkin menjawab 0.8. Angka itu seharusnya berarti sesuatu yang bisa Anda uji: di antara banyak email yang dinilai model mendekati 0.8, kira-kira 80% di antaranya seharusnya benar-benar spam. Ketika probabilitas prediksi dan frekuensi teramati sepakat seperti itu, modelnya terkalibrasi.

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.

▶ Kalibrasi & Proper Scoring
← Metrik EvaluasiPengujian Statistik untuk ML →