分类模型输出0.8，并不自动意味着同类预测有八成正确。概率校准检查的是：一组被赋予相近预测概率的样本，其实际正例比例是否与这些概率相符。
把单次分数放进一组样本看
对校准良好的二分类器，预测正例概率接近0.8的样本组，实际正例比例应大致接近80%。这是群体层面的统计关系，不是给某一条判断提供保证，也不能直接套用到聊天模型口头说出的“八成把握”。
分箱时同时保留样本数
校准曲线常按预测概率分组，比较组内平均概率与实际正例比例。自拟检查可记录0.7到0.9区间的预测数、正例数和比例。只有两三个样本时，比例波动很大，不宜据此认定模型严重失准。
校准与区分能力分别观察
模型可以把正例排在前面，却给出偏高或偏低的概率。改善校准不等于解决所有分类错误。本站建议使用独立验证数据检查，并保留应用场景与数据分布；本文没有对任何当前模型公布校准成绩。
资料与继续学习
scikit-learn：概率校准。资料查阅日期：2026年10月7日。步骤与练习由本站整理。
资料查阅与编辑日期：2026年10月7日。作者：玖柒。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
