用于监督学习校准两种方法是什么?

　　在监督学习中，校准模型的方法可以分为两类：外部校准和内部校准。

　　1.外部校准(External Calibration)：

　　(1)外部校准是通过与外部数据源进行比较或者利用外部标签集合来调整模型的输出。

　　(2)一种常见的外部校准方法是使用校准曲线(calibration curve)，它是一个将模型输出的概率与实际发生的事件概率相对应的图表。通过调整模型输出的概率值，使其更好地反映真实情况。

　　(3)外部校准方法的优点是能够更加直接地对模型进行调整，但是需要额外的数据集或者标签来进行校准。

　　2.内部校准(Internal Calibration)：

　　(1)内部校准是通过在模型训练过程中引入校准机制来调整模型的输出。

　　(2)常见的内部校准方法包括使用平滑技术(例如贝叶斯平滑)或者利用集成学习方法(例如基于树的方法，如随机森林和梯度提升树)来改善模型的校准性能。

　　(3)内部校准方法的优点是无需额外数据集，可以在模型训练过程中直接应用，但有时可能需要更复杂的模型结构或者训练技巧。

　　这两种校准方法可以结合使用，以获得更好的校准性能。