scikit-learn-contrib/MAPIE

解決的問題

MAPIE 提供了一種量化機器學習模型不確定性並控制風險的方法。它不是提供單一的點預測，而是允許使用者生成具有理論保證的預測區間（用於回歸）或預測集（用於分類），確保真實值以指定的機率落在預測範圍或集合內。

工作原理

MAPIE 使用來自 Conformal Prediction 和 Distribution-Free Inference 的技術。它是模型無關的，這意味著它可以封裝任何來自 scikit-learn、TensorFlow 或 PyTorch 的模型。透過在單獨的 conformalization 資料集上估計不確定性，它將標準模型的輸出轉換為機率保證。

適用對象

需要為回歸、分類、時間序列、多標籤分類以及語義分割等電腦視覺任務提供可靠不確定性量化的資料科學家和 ML 工程師。