В примере речь идет о проблеме двоичной классификации, где два возможных класса часто называют положительным и отрицательным классом. Позитивный класс может иметь несколько значений. Например, в биомедицинских науках положительным случаем часто является человек с определенной болезнью. Или, когда исследователь интересуется, имеет ли кто-то диплом или нет, наличие диплома является положительным, а отсутствие диплома - отрицательным. Кто-то может быть заинтересован в том, включает ли фотография человека: фотографии с человеком положительны, фотографии без человека отрицательны.
Как указано в документации , классификатор хорошо откалиброван если прогнозируемая вероятность представляет вероятность членства в классе. Это означает: если прогнозируемая вероятность положительного класса составляет 40 процентов, истинная доля положительного класса также составляет около 40 процентов. В качестве примера: если прогнозируемая вероятность заболевания D составляет около 40 процентов, ожидаемая доля людей с заболеванием D составляет около 40 процентов.