โมเดลทำนายความน่าจะเป็นประมาณ 0.8 แต่เหตุการณ์เกิดจริงราว 0.5 ในกลุ่มนั้น ควรตรวจประเด็นใด
กตรวจ accuracy รวม เพราะ calibration ไม่เกี่ยวกับค่าความน่าจะเป็น
ขเพิ่ม threshold เป็น 0.8 แล้วถือว่าความน่าจะเป็นได้รับการแก้ไข
คตรวจ calibration curve และพิจารณาปรับเทียบบนข้อมูลที่แยกจากการฝึก
งเปรียบเทียบเฉพาะ ROC AUC ก่อนและหลัง โดยไม่ดู reliability curve
เฉลยอธิบาย
AI RMF 1.0 pp. 23, 28, 32-38 สนับสนุนหลักว่า กรอบ NIST กำหนดให้ตรวจ representativeness, bias, data quality, ผลกระทบแยกกลุ่ม และติดตามความเสี่ยงหลังใช้งานพร้อมกลไกรับ feedback ดังนั้นคำตอบที่ตรงที่สุดคือ “ตรวจ calibration curve และพิจารณาปรับเทียบบนข้อมูลที่แยกจากการฝึก”