A discussion of calibration techniques for evaluating binary and categorical predictive models

آزمونهای تبعیض برای ایجاد توانایی های تشخیصی مدل مفیدی هستند، اما ممکن است مفید بودن مدل برای سایر برنامه های پیش بینی شده مانند شبیه سازی تصادفی، ارزیابی نگردد. آزمایش های کالیبراسیون ممکن است نسبت به آزمون های تشخیصی برای ارزیابی مدل ها با محدوده محدودی از احتمال های پیش بینی شده یا شیوع کلی تقریبا 50٪، که در برنامه های اپیدمیولوژیک رایج هستند، بیشتر باشد. با استفاده از مجموعه ای از آزمون های کالیبراسیون در کنار تست های تبعیض، سازندگان مدل به طور کامل توانایی پیش بینی مدل خود را اندازه گیری می کنند.