모델 불확실성은 기계 학습 모델에 의해 만들어진 예측에 대한 신뢰도를 나타냅니다. 실제 응용 프로그램에서, 이해 및 이 불확실성을 정량화하는 것은 신뢰할 수있는 결정을 만들고 모델의 견고성을 개선하기위한 것이 중요합니다.

모델 Uncertainty의 유형

불확실한의 2가지 유형이 있습니다: aleatoric와 epistemic. 자료에 있는 불확실한 소음에서 Aleatoric uncertainty 발생은 더 많은 자료를 모으기해서 감소될 수 없습니다. 모형 모수에 관하여 한정된 지식에서 Epistemic uncertainty 줄기는 추가 자료 또는 개량한 모델링 기술로 감소될 수 있습니다.

Uncertainty를 Quantify하는 방법

몇몇 방법은 Bayesian 접근, 앙상블 방법 및 Monte Carlo dropout을 포함하여 모형 uncertainty를 견적하기 위하여 존재합니다. 이 기술은 예측의 신뢰 수준을 반영하는 probabilistic 산출을 제공합니다.

Uncertainty Estimation의 신청

의향은 의료, 자율주행, 금융 등 분야에서 중요한 역할을 합니다. 이로써, 모델의 예측이 믿을 수 없을 수 있는 위험 평가, 결정 및 식별 사례에 도움을 줍니다.

  • 의료 진단
  • 자율주행차 내비게이션
  • 금융 예측
  • Fraud 탐지