一致性和适应性是机器学习回归任务中基于方差的不确定性量化度量验证的互补目标

原文约200字，阅读约需1分钟。发表于：。

可靠的机器学习回归任务的不确定性量化 (UQ) 正成为材料科学和化学科学许多研究的焦点。本文章旨在展示一致性和适应性是互补的验证目标，并且良好的一致性并不意味着良好的适应性。提出并且以一个代表性的例子进行了验证方法的调整。

本文介绍了机器学习回归任务在材料科学和化学科学中的应用，重点强调了一致性和适应性的重要性，并提出了一种验证方法。通过一个例子进行了验证。