При просмотре Scikit CalibratedClassifierCV я заметил, что объект должен хранить несколько калиброванных классификаторов в памяти, чтобы усреднять результаты в реальном времени.
Я понимаю, что каждый из этих классификаторов был обучен на части набора данных, чтобы гарантировать, что калибровка выполняется на отдельном обучающем наборе, которыйэто определенно хорошая идея.
Недостатком хранения и классификации трех классификаторов является то, что это снижает интерпретируемость модели и увеличивает сложность (и, возможно, время вычислений).
Вопрос: есть ли причина, по которой после подбора калибровочных кривых (будь то изотонических или сигмоидальных) оригинальный классификатор не может быть помещен на весь тренировочный набор, а калибровочные кривые усреднены?
