概念Selective Prediction / 选择性分类
选择性预测
机器学习中的一种框架，允许模型在不确定时选择拒绝回答，通过效用函数权衡答对收益与答错代价，以实现覆盖率与精确率的最优权衡
核心事实
时间轴 (近 90 天)
10月20日
选择性预测指模型在不确定时可以选择弃权，将样本交由人类或后续流程处理。
待验证50%
10月12日
弃答机制不能仅依赖模型的自我评估，还需要外部校准方法或集成多个模型预测的方差来估计真实不确定性
待验证50%
10月12日
选择性预测（Selective Prediction）是机器学习领域的一个正式研究方向，其核心思想是为模型引入拒绝选项，允许模型在置信度低于阈值时输出不知道
待验证50%
10月12日
选择性预测框架中效用函数通常写作 U = α·P(correct) - β·P(wrong)，α和β代表答对收益与答错惩罚权重
待验证50%
10月12日
跨数据集的可靠拒答能力仍是未解难题，在一个数据集上有效的方法换个数据集可能失灵
待验证50%
10月8日
置信度分流在学术和工业界也被称为'选择性预测'或'带拒绝选项的分类'，核心是赋予模型不作答的权利
待验证50%
9月28日
决策模型专注于回答是/否判断、多项选择以及带概率的评分类问题
已验证75%
全部知识事实 (7)
已验证
决策模型专注于回答是/否判断、多项选择以及带概率的评分类问题
75%待验证选择性预测指模型在不确定时可以选择弃权，将样本交由人类或后续流程处理。
50%待验证选择性预测（Selective Prediction）是机器学习领域的一个正式研究方向，其核心思想是为模型引入拒绝选项，允许模型在置信度低于阈值时输出不知道
50%待验证弃答机制不能仅依赖模型的自我评估，还需要外部校准方法或集成多个模型预测的方差来估计真实不确定性
50%待验证选择性预测框架中效用函数通常写作 U = α·P(correct) - β·P(wrong)，α和β代表答对收益与答错惩罚权重
50%待验证跨数据集的可靠拒答能力仍是未解难题，在一个数据集上有效的方法换个数据集可能失灵
50%待验证置信度分流在学术和工业界也被称为'选择性预测'或'带拒绝选项的分类'，核心是赋予模型不作答的权利
50%