不确定性估计：模型什么时候应该说“我不知道”

不确定性估计让模型不仅输出预测值，还输出“这个预测有多可信”。药物发现里，知道什么时候不该相信模型，往往比模型平均分数更重要。

两类不确定性

• Aleatoric：数据和实验本身的噪声，例如 assay 波动、标签不一致。
• Epistemic：模型对陌生化学空间的无知，可通过更多数据降低。

常用方法

• 集成模型：多个模型预测分歧可作为不确定性信号。
• MC Dropout / Bayesian 方法：近似估计模型分布。
• 共形预测：给出覆盖率可校准的预测区间，适合决策沟通。

怎么用

• 主动学习中优先测试高价值且高不确定区域。
• 上线模型应标出“适用域外”分子，而不是硬给精确数值。
• 不确定性要校准；说 90% 覆盖，就要在验证集上接近 90%。

延伸资源

• 配套：165《主动学习》、167《模型外推性》。