scikit-learn-contrib/MAPIE

해결하는 문제

MAPIE는 머신러닝 모델의 불확실성을 정량화하고 리스크를 제어하는 방법을 제공합니다. 단일 지점 예측을 제공하는 대신, 이론적 보증이 있는 예측 구간(회귀용) 또는 예측 세트(분류용)를 생성할 수 있도록 하여 실제 값이 지정된 확률 내에서 예측 범위 또는 세트 안에 포함되도록 보장합니다.

작동 원리

MAPIE는 Conformal Prediction 및 Distribution-Free Inference 기술을 사용합니다. 모델 불가지론적(model-agnostic)이므로 scikit-learn, TensorFlow 또는 PyTorch의 모든 모델을 래핑할 수 있습니다. 별도의 conformalization 데이터셋에서 불확실성을 추정함으로써 표준 모델의 출력을 확률적 보증으로 변환합니다.

대상 사용자

회귀, 분류, 시계열, 다중 레이블 분류 및 시맨틱 세그멘테이션과 같은 컴퓨터 비전 작업에 대해 신뢰할 수 있는 불확실성 정량화가 필요한 데이터 과학자 및 ML 엔지니어.