Buchumschlag

Calibrated and uncertain? Evaluating uncertainty estimates in binary classification models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Grefsrud, Aurora, Blaser, Nello, Buanes, Trygve
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SO(3)-Equivariant Neural Networks for Learning from Scalar and Vector Fields on Spheres
von: Ballerin, Francesco, et al.
Veröffentlicht: (2025)

RotaTouille: Rotation Equivariant Deep Learning for Contours
von: Gardaa, Odin Hoff, et al.
Veröffentlicht: (2025)

Evaluating Prediction Uncertainty Estimates from BatchEnsemble
von: Blørstad, Morten, et al.
Veröffentlicht: (2026)

Stable Update of Regression Trees
von: Blørstad, Morten, et al.
Veröffentlicht: (2024)

No Triangulation Without Representation: Generalization in Topological Deep Learning
von: Schmidt, Johannes S., et al.
Veröffentlicht: (2026)

Explainable classification of astronomical uncertain time series
von: Mbouopda, Michael Franklin, et al.
Veröffentlicht: (2022)

Trust the uncertain teacher: distilling dark knowledge via calibrated uncertainty
von: Kim, Jeonghyun, et al.
Veröffentlicht: (2026)

Machine Learning Classification of Sphalerons and Black Holes at the LHC
von: Grefsrud, Aurora Singstad, et al.
Veröffentlicht: (2023)

Tempo estimation as fully self-supervised binary classification
von: Henkel, Florian, et al.
Veröffentlicht: (2024)

A metrological framework for uncertainty evaluation in machine learning classification models
von: Bilson, Samuel, et al.
Veröffentlicht: (2025)

A method for classification of data with uncertainty using hypothesis testing
von: Yokura, Shoma, et al.
Veröffentlicht: (2025)

Robust support vector model based on bounded asymmetric elastic net loss for binary classification
von: Du, Haiyan, et al.
Veröffentlicht: (2026)

Omics-driven hybrid dynamic modeling of bioprocesses with uncertainty estimation
von: Espinel-Ríos, Sebastián, et al.
Veröffentlicht: (2024)

Adaptive kernel-density approach for imbalanced binary classification
von: Nishimura, Kotaro J., et al.
Veröffentlicht: (2025)

Awareness of uncertainty in classification using a multivariate model and multi-views
von: Kornaev, Alexey, et al.
Veröffentlicht: (2024)

BLIA: Detect model memorization in binary classification model through passive Label Inference attack
von: Khan, Mohammad Wahiduzzaman, et al.
Veröffentlicht: (2025)

Legitimate ground-truth-free metrics for deep uncertainty classification scoring
von: Pignet, Arthur, et al.
Veröffentlicht: (2024)

An uncertainty-aware Bayesian framework for machine learning classification models: A case study in land cover classification
von: Bilson, Samuel, et al.
Veröffentlicht: (2025)

Hoeffding adaptive trees for multi-label classification on data streams
von: Esteban, Aurora, et al.
Veröffentlicht: (2024)

Fast and reliable uncertainty quantification with neural network ensembles for industrial image classification
von: Thuy, Arthur, et al.
Veröffentlicht: (2024)

Position: Epistemic uncertainty estimation methods are fundamentally incomplete
von: Jiménez, Sebastián, et al.
Veröffentlicht: (2025)

Do you understand epistemic uncertainty? Think again! Rigorous frequentist epistemic uncertainty estimation in regression
von: Foglia, Enrico, et al.
Veröffentlicht: (2025)

Medical artificial intelligence toolbox (MAIT): an explainable machine learning framework for binary classification, survival modelling, and regression analyses
von: Marandi, Ramtin Zargari, et al.
Veröffentlicht: (2025)

Safe reinforcement learning in uncertain contexts
von: Baumann, Dominik, et al.
Veröffentlicht: (2024)

Time-dependent density estimation using binary classifiers
von: Dasgupta, Agnimitra, et al.
Veröffentlicht: (2025)

Sharp concentration of uniform generalization errors in binary linear classification
von: Nakakita, Shogo
Veröffentlicht: (2025)

Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification
von: Hartoyo, Agus, et al.
Veröffentlicht: (2024)

Asymptotic and Finite Sample Analysis of Nonexpansive Stochastic Approximations with Markovian Noise
von: Blaser, Ethan, et al.
Veröffentlicht: (2024)

An experimental comparative study of backpropagation and alternatives for training binary neural networks for image classification
von: Crulis, Ben, et al.
Veröffentlicht: (2024)

ProteoKnight: Convolution-based phage virion protein classification and uncertainty analysis
von: Neha, Samiha Afaf, et al.
Veröffentlicht: (2025)

Evaluating deep learning models for fault diagnosis of a rotating machinery with epistemic and aleatoric uncertainty
von: Jalayer, Reza, et al.
Veröffentlicht: (2024)

A review of predictive uncertainty estimation with machine learning
von: Tyralis, Hristos, et al.
Veröffentlicht: (2022)

Practical estimation of the optimal classification error with soft labels and calibration
von: Ushio, Ryota, et al.
Veröffentlicht: (2025)

Active learning for level set estimation under input uncertainty and its extensions
von: Inatsu, Yu, et al.
Veröffentlicht: (2019)

Asymptotic Bayes risk of semi-supervised learning with uncertain labeling
von: Leger, Victor, et al.
Veröffentlicht: (2024)

Federated Linear Contextual Bandits with Heterogeneous Clients
von: Blaser, Ethan, et al.
Veröffentlicht: (2024)

Almost Sure Convergence of Differential Temporal Difference Learning for Average Reward Markov Decision Processes
von: Blaser, Ethan, et al.
Veröffentlicht: (2026)

PDE-constrained Gaussian process surrogate modeling with uncertain data locations
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

Forecast Evaluation and the Relationship of Regret and Calibration
von: Derr, Rabanus, et al.
Veröffentlicht: (2024)

Transformers Can Learn Temporal Difference Methods for In-Context Reinforcement Learning
von: Wang, Jiuqi, et al.
Veröffentlicht: (2024)