Uncertainty Estimation（不确定性估计）

不确定性估计用于衡量机器学习模型预测的可靠性，分为偶然不确定性（数据噪声）和认知不确定性（模型知识不足）。常用方法包括贝叶斯神经网络、蒙特卡洛 dropout、深度集成等。在医疗诊断、自动驾驶等高风险领域，不确定性估计能帮助系统识别不可靠预测，触发人工干预或拒绝决策，提升系统安全性和可信度。