脚手架集

预测器将总体中的各个实例映射到区间 $[0,1]$。对于总体子集的集合 $\mathcal C$，若预测器在 $\mathcal C$ 中每个集合上同时校准，则称其相对于 $\mathcal C$ 是多校准的。我们开创性地研究脚手架集的构造：这是一个小规模集合 $\mathcal S$，具有如下性质——相对于 $\mathcal S$ 的多校准可确保预测器的正确性，而不仅仅是校准性。我们的方法受这样一种经验智慧的启发：神经网络的中间层学习到高度结构化且有用的数据表示。