conformal-prediction

收录理由

共形预测能把模型输出的原始分数转成带有覆盖保证的预测集合或区间，而且这种保证不依赖数据分布的假设。这个仓库是少数能让人在真实问题上直接看到它如何运作的入门材料。每个笔记本都搭配一个训练好的模型：ResNet152做ImageNet分类、医疗费用回归、MS-COCO多标签识别、肠道息肉分割，以及分布偏移下的天气预测，你可以在视觉、自然语言处理和时间序列数据上对比同一套方法的表现差异。很实用的地方在于，笔记本会自动拉取预先算好的模型输出和小样本数据，这样一来，不需要重新运行重型模型或下载大型数据集，就能测试和调整共形方法。对想为现有模型加上有校准的不确定性估计的团队来说，它可以当作模板；对刚接触这个主题的人而言，它也是一份可直接执行的教程。