30_OOF予測値でIsotonic Regressionを学習する
Qiita / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisTools & Practical Usage
要点
- Isotonic Regressionを用いて、分類モデルの確率出力を実測の頻度に合わせる「キャリブレーション」を行う方法を解説している
- 30_OOF予測値（out-of-fold）を学習データとして使い、汎化時のキャリブレーション品質を高める設計になっている
- 通常の予測値ではなくOOFを使うことで、同一データで学習したバイアスを抑え、過学習に起因する過信を軽減する狙いがある
- 実装はPythonを前提に、OOF予測値からIsotonic Regressionモデルを学習し、キャリブレーション後の確率を得る流れを示す内容になっている
はじめに
Isotonic Regression によるキャリブレーションは、cross_val_predict を使うと最も簡潔に実装できます。
前の記事[13_Isotonic Regressionで確率をキャリブレーションする]ではOOF予測値を手動で生成しましたが...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
