Jev не може бути каліброваним

TL;DR

• •Jev — класифікатор без навчання, що працює з нуля даних
• •Його ймовірності не калібровані через залежність від розподілу даних
• •Виводи слід розглядати як оцінки, а не як вероятнісні оцінки
• •Стаття не пропонує методу виправлення, лише застереження
• •Актуально для дослідників, а не для практиків у бізнесі

---

Як це змінить ваш ринок?

Ця новина не змінить ринок для бізнес-компаній, оскільки не пропонує жодного інструменту або методу, який можна впровадити. Це теоретична заувага для дослідників ML, яка може вплинути на academe, але не на комерційне використання AI у компаніях до 200 людей.

Визначення:

Калібрований класифікатор — це модель, чиї вихідні ймовірності відповідають реальній частоти подій (наприклад, якщо модель передбачає 70% ймовірність, подія стається в ~70% випадків).

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

Не застосовується: це дослідження, а не продукт. Немає мін. вимог, бо немає що впроваджувати.

Альтернативи (ТАБЛИЦЯ: | | Продукт 1 | Продукт 2 | Продукт 3 |

| Ціна | дані не розкриті | дані не розкриті | дані не розкриті | | Де працює | дані не розкриті | дані не розкриті | дані не розкриті | | Мін. вимоги | дані не розкриті | дані не розкриті | дані не розкриті | | Ключова різниця | дані не розкриті | дані не розкриті | дані не розкриті |

---