conformal-prediction

conformal-prediction

严谨量化机器学习不确定性的开源框架

Conformal Prediction 是一个开源项目,提供严谨的机器学习不确定性量化方法。项目包含多个即用型示例,涵盖图像分类、回归等应用,无需原始数据和模型即可运行。研究人员和开发者可轻松上手此技术,探索其在实际问题中的应用,为模型增添可靠的不确定性估计。

共形预测机器学习不确定性量化预测集置信区间Github开源项目
<h1 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">共形预测</h1> <h3 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">适用于任何机器学习任务的严格不确定性量化</h3> <p align="center"> <a style="text-decoration:none !important;" href="https://arxiv.org/abs/2107.07511" alt="arXiv"><img src="https://img.shields.io/badge/paper-arXiv-red" /></a> <a style="text-decoration:none !important;" href="https://people.eecs.berkeley.edu/%7Eangelopoulos/blog/posts/gentle-intro" alt="website"><img src="https://img.shields.io/badge/website-Berkeley-yellow" /></a> <a style="text-decoration:none !important;" href="https://docs.conda.io/en/latest/miniconda.html" alt="package management"> <img src="https://img.shields.io/badge/conda-env-green" /></a> <a style="text-decoration:none !important;" href="https://opensource.org/licenses/MIT" alt="License"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/1ee37478-7984-44e4-b3d0-959c97037d55.svg" /></a> <a style="text-decoration:none !important;" href="https://www.youtube.com/watch?v=nql000Lu_iE" alt="arXiv"><img src="https://img.shields.io/youtube/views/nql000Lu_iE?style=social" /></a> <a style="text-decoration:none !important;" href="http://hits.dwyl.com/aangelopoulos/conformal-prediction" alt="arXiv"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/3a09388a-10ad-4f8a-9efb-38e82859bf20.svg?style=flat-square" /></a> </p> <p> 本代码库是在真实数据上开始使用共形预测(又称共形推理)的最简单方法。 每个<code>notebooks</code>都将共形预测应用于一个使用最先进机器学习模型的实际预测问题。 </p> <p align="center"><b>无需下载模型或数据即可运行一致性预测</b></p> <p> 笔记本会自动下载几个大规模真实世界数据集的原始模型输出和每个数据集的少量样本数据。您可以完全在这个沙盒中开发和测试一致性预测方法,无需运行原始模型或下载原始数据。打开笔记本即可查看预期输出。您可以使用这些笔记本来试验现有方法或作为开发自己方法的模板。 </p> <h3 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">示例笔记本</h3> <ul> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/imagenet-smallest-sets.ipynb"><code>notebooks/imagenet-smallest-sets.ipynb</code></a>:使用ResNet152分类器进行Imagenet分类。预测集以90%的概率保证包含真实类别。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/meps-cqr.ipynb"><code>notebooks/meps-cqr.ipynb</code></a>:使用梯度提升回归器和一致性分位数回归进行医疗支出回归。预测区间以90%的概率保证包含真实美元价值。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/multilabel-classification-mscoco.ipynb"><code>notebooks/multilabel-classification-mscoco.ipynb</code></a>:在Microsoft Common Objects in Context (MS-COCO)数据集上进行多标签图像分类。集值预测保证包含90%的真实类别。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/toxic-text-outlier-detection.ipynb"><code>notebooks/toxic-text-outlier-detection.ipynb</code></a>:通过一致性异常检测识别有毒或仇恨的在线评论。不超过10%的分布内数据会被标记为有毒。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/tumor-segmentation.ipynb"><code>notebooks/tumor-segmentation.ipynb</code></a>:从内窥镜图像中分割肠息肉。分割掩码包含90%的真实肿瘤像素。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/weather-time-series-distribution-shift.ipynb"><code>notebooks/weather-time-series-distribution-shift</code></a>:使用时间序列数据和加权一致性预测来预测全球未来温度。预测区间包含90%的真实温度。</li> <li><a href="https://github.com/aangelopoulos/conformal-prediction/blob/main/notebooks/imagenet-selective-classification.ipynb"><code>notebooks/imagenet-selective-classification.ipynb</code></a>:当Imagenet分类器不确定时,它会放弃预测。否则,它将有90%的准确率,尽管基础模型的准确率只有77%。</li> <li>...以及更多!</li> </ul> <h3 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">笔记本可以使用提供的Google Colab链接立即运行</h3> <h5 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">Colab链接在每个笔记本的顶部单元格中</h5> <p> 要在本地运行这些笔记本,您只需安装正确的依赖项并按下<code>运行所有单元格</code>即可!笔记本将自动下载所有必需的数据和模型输出。您的计算机需要1.5GB的空间来存储自动下载的数据。如果您想了解我们如何生成预先计算的模型输出和数据子样本,请查看<code>generation-scripts</code>中的文件。每个数据集都有一个对应的脚本。要创建具有正确依赖项的<code>conda</code>环境,请运行<code>conda env create -f environment.yml</code>。如果您仍然遇到依赖项错误,请确保在Jupyter笔记本中激活<code>conformal</code>环境。 </p> <h3 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">引用</h3> <p> 这个仓库旨在配合我们的论文<a href="https://arxiv.org/abs/2107.07511">一致性预测和无分布不确定性量化的温和介绍</a>。 该论文中有每个示例的详细解释和归属说明。 如果您发现这个仓库有用,除了相关方法和数据集外,请引用: </p> <pre><code>@article{angelopoulos2021gentle, title={A gentle introduction to conformal prediction and distribution-free uncertainty quantification}, author={Angelopoulos, Anastasios N and Bates, Stephen}, journal={arXiv preprint arXiv:2107.07511}, year={2021} }</code></pre> <h3 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">视频</h3> 如果您有兴趣通过视频形式了解一致性预测,请观看我们下面的视频! <h4 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">共形预测教程</h4> <p align="center"><a href="https://www.youtube.com/watch?v=nql000Lu_iE"> <img width="350" src="https://yellow-cdn.veclightyear.com/0a4dffa0/95cf0dc5-1e07-4e64-98ea-3961e233fb9e.jpg" /> </a></p> <h4 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">共形预测教程 第二部分:条件覆盖</h4> <p align="center"><a href="https://www.youtube.com/watch?v=TRx4a2u-j7M"> <img width="350" src="https://yellow-cdn.veclightyear.com/0a4dffa0/9d65c587-2b79-44f1-8b4b-eb52a2d66f43.jpg" /> </a></p> <h4 align="center" style="margin-bottom:0px; border-bottom:0px; padding-bottom:0px">共形预测教程 第三部分:超越共形预测</h4> <p align="center"><a href="https://www.youtube.com/watch?v=37HKrmA5gJE"> <img width="350" src="https://yellow-cdn.veclightyear.com/0a4dffa0/7683fba4-883e-4791-a8fd-73649293e30e.jpg" /> </a></p>

编辑推荐精选

�讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多