deel-ai/puncc

해결하는 문제

Puncc는 어떤 기계학습 모델의 점 예측을 엄격한 불확실성 추정을 갖춘 예측 구간 또는 예측 집합으로 변환하는 방법을 제공합니다. 데이터가 교환 가능(독립 동일 분포, i.i.d.)하다면, 사용자가 정의한 오차율(alpha) 내에 진짜 출력이 포함되도록 보장합니다.

작동 방식

이 라이브러리는 최신의 순서 기반 예측 알고리즘을 다양한 방식으로 구현합니다. 기존의 예측 모델을 래핑하여 캘리브레이션 데이터셋에서 비적합도 점수를 계산하고, 이를 바탕으로 새로운 데이터에 대한 예측 구간(회귀용) 또는 예측 집합(분류용)을 생성합니다.

대상 사용자

모델 아키텍처에 관계없이 신뢰할 수 있는 불확실성 측정이 필요한 데이터 과학자 및 ML 엔지니어. Scikit-learn, PyTorch, TensorFlow/Keras와 호환됩니다.

주요 특징

• 다양한 작업 지원: 회귀, 분류, 객체 탐지, 이상 탐지 지원.
• 모델 독립성: 래퍼 API를 통해 어떤 예측 모델과도 호환.
• 다양한 알고리즘: SplitCP, CQR, APS, RAPS 등 구현 포함.
• 유연한 API: 표준 절차를 위한 고수준 직접 접근과 사용자 정의 비적합도 점수 및 캘리브레이션 로직을 위한 저수준 API 제공.
• 평가 도구: 순서 기반 절차 평가를 위한 내장 메트릭 및 플로팅 기능.