UncertaintyPlayground：一个快速简化的不确定性估计Python库
机器学习
2023-10-25 v1 机器学习
摘要
本文介绍UncertaintyPlayground，一个基于PyTorch和GPyTorch构建、用于监督学习任务中不确定性估计的Python库。该库通过针对正态分布结果的稀疏与变分高斯过程回归（SVGPR）以及针对混合分布的混合密度网络（MDN），为高斯和多模态结果分布提供快速训练。除带有多种超参数的模型训练外，UncertaintyPlayground还能可视化一个或多个实例的预测区间。由于使用张量运算，该库可在CPU和GPU上训练，并提供多种PyTorch特定的速度优化技术。库中包含各模块的单元测试，并通过GitHub Workflows（在线集成）与Tox（本地集成）确保多平台持续集成。最后，代码以Google风格文档字符串记录，并提供由MkDocs和MkDocStrings创建的文档网站。
引用
@article{arxiv.2310.15281,
title = {UncertaintyPlayground: A Fast and Simplified Python Library for Uncertainty Estimation},
author = {Ilia Azizi},
journal= {arXiv preprint arXiv:2310.15281},
year = {2023}
}