classifier_metric_uncertainty:确定（二元）分类器度量不确定性的贝叶斯方法

小样本量导致分类器度量不确定性 如果从小样本量计算出分类器指标（例如准确性，敏感性，特异性，准确性...），则将非常不确定。 不幸的是，这些点估计通常被认为是准确的。 我们提出一种贝叶斯方法来确定度量不确定性。 解释了基本概念并展示了许多已发布的分类器具有惊人的度量不确定性。 该存储库包含Python中的实现。 用法 计算指标不确定性的最简单方法是通过我们基于浏览器的交互式工具。 该网站可能需要几分钟才能加载。 它不会在您的计算机上安装任何软件包或执行任何代码，它需要在主机上启动环境。 这导致小的延迟。 如果您想定期计算度量标准不确定性，或者甚至将该方法集成到您的工作流程中，请随时复制此存储库。 tutorial.ipynb应该让您知道如何使用代码中最重要的部分。 重现性 为了确保所有依赖项都能按预期工作，请输入pip install -r requirements.txt 。 非标