Tilt and Average: 最后一层的几何调整用于重校准

在神经网络倾向于产生过度自信预测后，校准问题（即将置信度与准确性对齐以增强预测可靠性）获得了重要关注。目前已提出多种基于校准图的方法，以解决使用额外数据集重新校准训练分类器的问题。本文提出了一种不同于基于校准图的方法的算法，通过几何调整分类器的最后一层权重来实现校准。我们关注最终线性层的几何特性，具体为其角度特性，并调整相应层的权重。我们将该方法命名为Tilt and Average (\textsc{Tna})，并通过实证和理论方式验证了其校准效果。通过这一方法，我们展示了除了现有基于校准图的技术之外，我们的方法也能实现更好的校准性能。代码已公开：https://github.com/GYYYYYUUUUU/TNA_Angular_Scaling。