Как применить CalibratedClassifierCV при внешней проверке модели случайного леса ⇐ Python

[Anonymous]

У меня есть модель, обученная на моих данных. Я использовал joblib, чтобы получить модель, и поделился ею с другими командами, чтобы оценить производительность модели на их данных. Один из членов команды вернулся и сказал, что модели не очень хорошо откалиброваны, поэтому я подумал предложить им применить изотоническую регрессию. У команды есть только один набор данных, который они не хотят разделять. Должен ли я использовать префит (как показано ниже), и приведет ли это к переобучению или какой-либо другой проблеме? Есть ли другой способ применить изотоническую регрессию? Я также не хочу применять изотоническую регрессию к своей модели, а затем отправлять ее им, потому что у других команд модель работает нормально.
calibrated_rf_isotonic_prefit = CalibratedClassifierCV(base_estimator=pretrained_model, method='isotonic', cv='prefit')
calibrated_rf_isotonic_prefit.fit(X, y)


Подробнее здесь: https://stackoverflow.com/questions/786 ... -forest-mo