Platt 标度有一些多类变体。正如您所描述的，最简单的方法是；只需对每个类执行一次 Platt 缩放。

但是，还有更复杂的选项——一个非常简单的实现方法是在 logits（应用 softmax 激活之前的值）上训练标准逻辑回归。这称为矩阵缩放并且很容易过拟合，所以只有在你有一个大的校准集时才使用它。或者，称为矢量缩放的参数较少的版本实现起来相对简单，其中逻辑回归中的权重矩阵被限制为对角矩阵。最后，一个非常简单的选项已被证明适用于神经网络，即温度缩放，其中所有对数都简单地由单个标量参数缩放。

您可以在“On Calibration of Modern Neural Networks”（2017）的第 4.2 节中阅读有关这些及其在神经网络中的应用的更多信息 - 可在此处获得