本发明公开了一种基于证据深度学习的可信多视角分类方法，包括如下方法步骤：S1、样本定义，设定数据集有N个样本，每个样本有V个视角；S2、单视角证据，估计单视角数据的分类不确定度；S3、多视角证据融合，利用退化层将全局信息传播到每个视角，从而使得每个视角能够学习到基于全局信息的证据；S4、优化目标，利用梯度下降算法优化模型中的所有参数。本发明的方法不仅提高了预测的准确度，并且使用本发明中设计的退化层挖掘到了深层次、易被忽略的视角之间的互补信息，从而在预测时输出了更符合人类认知的不确定度。