校準 (機率校準 / Calibration)

校準（Calibration）指分類模型輸出的預測機率能反映真實機率：例如預測為正類機率 0.8 的樣本中，約 80% 應確實為正類。許多模型（尤其深度學習）雖分類準確，但機率過於自信或過於保守，需事後校準。

評估方式：校準曲線（reliability diagram）、ECE/ACE 等校準誤差、Brier score 或 log-loss。改善方法：Platt scaling（邏輯校準）、等張迴歸（isotonic）、Beta 校準等事後方法；或訓練時加入正則。在醫療、自駕等需可信機率的場景尤其重要。與 精確率、召回率、機器學習 (ML) 相關。