pconf:论文代码：“基于置信度数据的二进制分类”

可信度（Pconf）分类 该存储库提供了在论文“基于正置信度数据的二进制分类” （NeurIPS 2018）中提出的正置信度（Pconf）分类的实现。 执行 我们对正和负类使用两个高斯分布。 对于高斯分布，我们可以分析性地计算正后验，将其用于置信度值。 我们执行Pconf分类并将其与几个基准进行比较：朴素的加权分类，一类SVM和完全监督分类。 这些分类器在components.py中实现。 该代码可用于重现具有真正正的信心合成实验中的第4.1节。 请注意，可以通过将零均值高斯噪声添加到真实置信度来进行具有嘈杂正置信度的合成实验。 要求 Python 3.6 numpy的1.13 火炬0.4 matplotlib 2.1.1 入门 $ python visualize.py 预期成绩 参考 有关详细信息，请参见的论文。 @article{pconf, author = {Taka