PotoSacho、Francis Bach 等提出无需分箱的模型校准误差估计新方法

PotoSacho、Francis Bach 等提出一种无需分箱的模型校准误差估计方法。该方法把校准误差写成模型在合适损失函数下由最优重校准带来的风险降幅，可直接得到校准误差下界估计，并免费获得模型过自信或欠自信的判断。它避免分箱偏差与超参数选择，属于校准/不确定性量化方向的技术进展。