deel-ai/puncc

解決的問題

Puncc 提供了一種將任意機器學習模型的點預測轉換為具有嚴謹不確定性估計的預測區間或預測集合的方法。在資料具備交換性（i.i.d.）的前提下，可確保真實輸出落在使用者定義的誤差率（alpha）範圍內。

工作原理

該庫實作了多種前沿的順序預測演算法。它透過包裝現有預測模型，在校準資料集上計算非符合性得分，並利用這些得分為新資料生成預測區間（迴歸任務）或預測集合（分類任務）。

適用對象

需要對其模型進行可靠不確定性量化，且不關心模型架構的資料科學家與機器學習工程師。相容於 Scikit-learn、PyTorch 與 TensorFlow/Keras。

核心亮點

• 廣泛的任務支援：支援迴歸、分類、目標檢測與異常檢測。
• 模型無關性：透過包裝器 API 與任意預測模型相容。
• 多樣化的演算法：包含 SplitCP、CQR、APS、RAPS 等多種實作。
• 彈性 API：提供高階直接介面用於標準流程，也提供低階 API 以支援自訂非符合性得分與校準邏輯。
• 評估工具：內建指標與繪圖功能，用於評估順序預測過程。