33、保形预测与不确定性包装器：DDM 不确定性量化方法解析

保形预测与不确定性包装器：DDM 不确定性量化方法解析

1. 引言

在动态决策模型（DDM）的预测中，为每个可能的输入提供可靠的不确定性量化（UQ）至关重要。目前有三种 UQ 方法备受关注：模型内 UQ、模型无关的不确定性包装器（UW）和基于保形预测（CP）的 UQ。然而，尚未有对这些方法优缺点的全面比较。本文旨在深入探讨这些方法的特点、差异，并尝试将 UW 和 CP 结合，以开发更可靠、透明的安全关键应用模型。

2. 背景知识

• 模型内 UQ ：部分 DDM（如逻辑回归、朴素贝叶斯、支持向量机）会在输出结果时给出一个数值偏好值，范围在 0 到 1 之间，常被解释为概率，即模型内 UQ。但这些值通常基于训练数据确定，容易过度自信。可通过等渗回归等校准方法在后期处理中改善这一问题。
• 模型外 UQ（UW） ：遵循关注点分离原则，将 DDM 视为黑盒，解决洋葱壳模型中提到的三种不确定性来源：模型拟合、输入质量和范围合规性。通过决策树将目标应用范围（操作设计域，ODD）分解为具有相似不确定性的区域（µODDs），并为每个区域关联相应的不确定性。同时，通过范围合规性模型评估 DDM 在其 ODD 之外应用的概率。
• 保形预测（CP） ：为分类或回归任务提供预测集或预测区域。在分类任务中，CP 能以指定的确定性水平提供包含预期结果的预测集。需要定义一个一致性得分函数，较大的得分表示输入与预期结果的一致性更高。

3. 三种 UQ 方法的结构化比较