温度スケーリング

5 つの異なる値の平均をとり、異なるトレーニングシードで T = 2.62 の値を取得しました。以下のグラフは、温度スケーリング前と実施後のキャリブレーションを示しています。最初のグラフが示すように、スケーリングしていないソフトマックス値では大きな相違が見られました。たとえば、70 ～ 80% の信頼度バケットには、50% 未満の精度しかない予測が含まれています。スケーリングを行うと、キャリブレーションは大幅に改善されます。たとえば、70 ～ 80% のバケットは 72% の精度に相当します。そのため、その後の実験では温度スケーリングされた値を使用しました。