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。

rliable是一个开源Python库，旨在提高强化学习和机器学习基准测试的评估可靠性。该库支持分层自举置信区间、性能曲线和聚合指标等功能，即使在数据有限的情况下也能得出可靠结论。rliable提供交互式Colab演示和多个主流基准测试数据，致力于克服现有评估方法的局限性，增强结果的可重复性和统计稳健性。