Add Expected Calibration Error metrics and derived

仓库指标

Star

4,313 star (4,313 star)

PR 合并指标

平均合并 15天 11小时 (平均合并 15天 11小时)30 天内合并 17 个 PR (30 天内合并 17 个 PR)

描述

贡献者指南

研究方向

实现预期校准误差（ECE）及相关指标，参考 Baal 库（https://github.com/ElementAI/baal/blob/master/src/baal/utils/metrics.py#L88）中的描述。实现应遵循 PyTorch Ignite 的指标 API 模式。考虑适配 ignite/metrics 中现有的代码结构。主要任务是移植 ECE 计算，这涉及对置信度分数进行分箱并计算每个箱的准确率。检查仓库中是否存在任何现有的校准相关工具。

技术栈

python

领域

machine learning

议题类型

功能

难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。

3

预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。

1-2 天

活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。

较久未更新

清晰度议题是否清楚说明期望改动、验收标准和下一步。

清晰

前置要求

PyTorch basicsCalibration metrics concepts

新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。

65