1．基本を理解
読み方・用語解説- 読み方
- こうせい
- 英語名
- Calibration
- 提唱者・年代
- 確率的予測の中核トピック
💡 豆知識——原稿の“校正”と同名だが、ここでは予測確率の“キャリブレーション（校正）”。天気予報の“70%”が実際に70%当たる、という正直さ。
【セットで覚えたい関連用語】
予
予測確率モデルが“このクラスである確率”として出力する値。閾
閾値の決定コスト（偽陽性と偽陰性の代償）に基づいて決める。混
混同行列閾値を動かしたときのTP/FP/TN/FN（No.217）。2．意味（定義）と例え話
一言で言うと？
予測確率が実際の発生率を反映している性質。コストに基づいて閾値を決める前提となる。
背景・歴史的流れ
確率的予測の中核トピック。“確率”を意思決定に使うには、まず“正直な確率”でなければならない。
身近な例え話
天気予報アプリ——“降水確率80%”と言ったら、実際に“80%くらいは降っている”と、傘の判断ができて初めて信頼できる。
AIとの関係
リスク管理・医療などのビジネス判断で、確率から閾値を決める前提。深層学習は過信（0/1寄りの予測）しやすいので、再校正を施すことも多い。
おすすめの活用法・注目ポイント
「予測確率＝実際の発生率／閾値決定の前提」が鉄板。
3．直前に理解（Q&A）
7問Q1. 校正とは？最頻出
予測確率が実際の発生率を反映している性質。
Q2. 言い換えると？最頻出
“70%”と言ったら、実際に70%くらい起きる、という正直さ。
Q3. なぜ大事？頻出
コストに基づいて意思決定の閾値を決める前提。
Q4. 「正解率が高い＝校正されている」は正しい？ひっかけ
違う。正解率と校正は別の性質。
Q5. 深層学習の課題は？頻出
予測確率が過信（0/1に張り付く）しやすい。
Q6. 対策は？頻出
プラットスケーリング、温度スケーリングなどの再校正。
Q7. 位置づけは？親と子
確率的予測 ⊃ 校正。
4. まとめ
校正＝予測確率が実際の発生率を反映している性質。コストに基づく閾値決定の前提。