Correction d’un modèle séquentiel mal calibré en probabilité

Scénario

Contexte : Un modèle de classification séquentielle fournit des probabilités mal calibrées. Le Problème : Les scores prédits ne reflètent pas correctement la confiance réelle. Extrait logique actuelle : Softmax sans calibration postérieure Contraintes : Mettre en place méthode de calibration (temperature scaling). Évaluer calibration via courbe adaptée. Maintenir performance globale. Livrable attendu : Proposer une stratégie de calibration probabiliste améliorant la fiabilité des prédictions.

Compétences ciblées