VIP20

本课程属于：024-AI产品需求RICE优先级评分 产品经理与需求分析 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

AI模型不确定性量化与校准验证

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

不确定性的本质

定义 · 分类（偶然/认知） · 与置信度的关系

不确定性的本质定义

置信度与置信区间

统计学背景 · 95%置信区间的含义 · 常见误解

置信度置信区间

模型预测的点估计缺陷

单一值无法表达风险 · 过拟合与欠拟合中的不确定性

模型预测的点估计…单一值无法表达风…

贝叶斯概率基础

先验 · 似然 · 后验

贝叶斯概率基础先验

贝叶斯神经网络思想

参数后验分布 · 变分推断 · 与标准神经网络对比

贝叶斯神经网络思…参数后验分布

蒙特卡洛 Dropout

原理 · 实现流程 · 作为近似贝叶斯推断的可行性

Dropout蒙特卡洛

Dropout 率的选择

调参对不确定性估计的影响 · 经验法则

Dropout率的选择

集成方法的基本原理 · 多样性来源 · 性能与计算成本权衡

Gaussian Processes 回顾

核函数 · 预测分布 · 不确定性度量

GaussianProcesses

Deep Kernel Learning

结合神经网络与 GP 的优势

量化回归与分位数损失

分位数含义 · 损失函数设计 · 预测区间输出

量化回归分位数损失

概率预测分布

正态分布假设 · 均值与方差预测 · 负对数似然

概率预测分布正态分布假设

模型校准概念

校准曲线 · 可靠性图 · 完美校准与高估/低估

模型校准概念校准曲线

校准评估指标

期望校准误差（ECE） · 最大校准误差（MCE） · Brier 分数

校准评估指标ECE

温度缩放 (Temperature Scaling)

后处理方法 · 原理 · 适用场景

TemperatureScaling

其他后处理校准方法

Platt 缩放 · 等瞬回归 · 二元扩展

其他后处理校准方…Platt

不确定性在分类任务中的应用

预测熵 · 互信息 · 贝叶斯主动学习

不确定性分类任务

不确定性在回归任务中的应用

预测区间宽度 · 覆盖概率 · pinball 损失

不确定性回归任务

分布外检测 (OOD Detection)

基于置信度 · 距离 · 密度的方法

对抗鲁棒性与不确定性

对抗样本对置信度的影响 · 鲁棒校准

对抗鲁棒性不确定性

数据质量与不确定性

标签噪声 · 缺失值 · 数据漂移的影响

数据质量不确定性

模型结构不确定性

深度宽度 · 激活函数 · 正则化对不确定性的影响

模型结构不确定性深度宽度

计算效率与不确定性方法

采样次数 · 集成规模 · 近似推理的平衡

计算效率不确定性方法

实际案例一

医疗影像诊断中的不确定性报告

实际案例一医疗影像诊断

实际案例二

自动驾驶感知系统的置信度阈值设置

实际案例二自动驾驶感知系统…

实际案例三

金融风控模型中预测区间与决策逻辑

实际案例三金融风控模型

常用工具和库

以 Python 生态为主（Pyro · TensorFlow Probabi… · GPyTorch）

常用工具Python

p值混淆 · 置信区间错误解读 · 校准不足仍自信

常见误区p值混淆

不确定性在模型可解释性中的角色

可信度附加 · 决策透明度

不确定性模型可解释性

课程总结与实践清单

选择方法的核心原则 · 落地检查表 · 下一步学习路径

课程总结实践清单