신뢰할 수 있는 머신러닝 모델 개발을 위해서는 예측 확률이 잘 보정되어야 함. 다중 클래스 분류에서 강한 보정은 가장 엄격하며, 모든 클래스에 걸쳐 모든 예측 확률이 동시에 보정되어야 함. 기존의 다중 클래스 보정 방법은 입력 간의 거리 개념이 부족하여 희소 영역에서의 예측이 체계적으로 잘못 보정되는 근접 편향에 취약함. 특히 의료 분야와 같이 희소 인스턴스가 편향된 치료의 위험이 가장 높은 경우에 중요함. 본 논문에서는 다중 클래스 로컬 보정을 정의하고, 강한 보정과의 관계를 설정하며, 기존 평가 지표의 문제점을 분석하고, Jensen-Shannon 거리를 사용하여 예측 확률과 클래스 빈도의 로컬 추정치를 정렬하는 로컬 보정을 개선하는 방법을 제안하고, 이를 기존 기술과 비교하여 검증함.
