Proponemos la Descontaminación Basada en Incertidumbre (UBD), un método que utiliza conjuntos profundos para estimar la memorización por muestra en modelos contaminados sin necesidad de un modelo no contaminado. UBD construye una distribución objetivo corregida por sesgo a partir de la incertidumbre del conjunto para corregir las distribuciones de salida, logrando una alineación significativamente mejor con los modelos no contaminados en comparación con las líneas base, mientras mantiene el rendimiento en datos limpios.