4、多视图技术如何助力不确定性处理

多视图技术如何助力不确定性处理

在数据处理过程中，不确定性量化是一个关键问题。尤其是在复杂任务中，算法往往以黑盒形式存在，使得不确定性量化变得更加困难。多视图技术为解决这一问题提供了新的思路。

1. 不确定性量化基础

• 线性依赖表达式 ：$\Delta y = \sum_{i=1}^{n} c_i \cdot \Delta x_i$，其中$c_i = \frac{\partial f}{\partial x_i}(\tilde{x}_1, \ldots, \tilde{x}_n)$。这种线性依赖关系使计算相对简便。
• 复杂任务的挑战 ：在简单情况下，我们能了解算法的所有步骤，从而在解决不确定性量化问题时利用这些信息。但对于复杂任务，人们通常会尽可能使用现成的专有软件包，这使得算法$f(x_1, \ldots, x_n)$成为一个黑盒，我们只能输入不同的$x_i$值并得到结果，却不清楚算法具体的执行步骤。

2. 传统不确定性量化与多视图技术的关系

• 传统方法假设 ：传统的不确定性量化方法假设所有估计误差$\Delta x_i$相互独立，且每个估计误差服从均值为 0、标准差为$\sigma_i$的正态（高斯）分布。
• $\Delta y$的分布 ：在上述假设下，$\Delta y$也服从正态分布，其均值为 0，方差$\sigma^2 = \sum_{i=1}^{n} c_i^2 \cdot \sigma_i^2$。由于正态分布由均