MACEst：可靠且可信的模型无关置信度估计器
机器学习
2021-09-06 v1
摘要
可靠的置信度估计对于任何机器学习模型真正发挥作用都极为重要。在本文中，我们论证了任何基于标准机器学习点预测算法的置信度估计都存在根本性缺陷，并且在认知不确定性较大的情况下很可能不可信。为解决这些问题，我们提出 MACEst，一种模型无关置信度估计器（Model Agnostic Confidence Estimator），它提供可靠且可信的置信度估计。该算法与现有方法的不同之处在于，将置信度作为局部量独立估计，并显式地考虑认知不确定性与偶然不确定性。这种方法不同于以全局点预测模型为置信度估计起点的标准校准方法。
引用
@article{arxiv.2109.01531,
title = {MACEst: The reliable and trustworthy Model Agnostic Confidence Estimator},
author = {Rhys Green and Matthew Rowe and Alberto Polleri},
journal= {arXiv preprint arXiv:2109.01531},
year = {2021}
}