論文の概要: Validity, consonant plausibility measures, and conformal prediction

• arxiv url: http://arxiv.org/abs/2001.09225v3
• Date: Thu, 9 Jun 2022 19:17:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 05:35:09.559600
• Title: Validity, consonant plausibility measures, and conformal prediction
• Title（参考訳）: 妥当性、子音可能性尺度および共形予測
• Authors: Leonardo Cella and Ryan Martin
• Abstract要約: 本稿では,他の予測関連タスクに関連する2型妥当性という新しい概念を提案する。 本研究では、共形予測出力を子音可聴性尺度の輪郭関数として解釈することにより、どちらの種類の予測精度も達成可能であることを示す。
• 参考スコア（独自算出の注目度）: 7.563864405505623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prediction of future observations is an important and challenging problem. The two mainstream approaches for quantifying prediction uncertainty use prediction regions and predictive distributions, respectively, with the latter believed to be more informative because it can perform other prediction-related tasks. The standard notion of validity, what we refer to here as Type-1 validity, focuses on coverage probability of prediction regions, while a notion of validity relevant to the other prediction-related tasks performed by predictive distributions is lacking. Here we present a new notion, called Type-2 validity, relevant to these other prediction tasks. We establish connections between Type-2 validity and coherence properties, and show that imprecise probability considerations are required in order to achieve it. We go on to show that both types of prediction validity can be achieved by interpreting the conformal prediction output as the contour function of a consonant plausibility measure. We also offer an alternative characterization of conformal prediction, based on a new nonparametric inferential model construction, wherein the appearance of consonance is natural, and prove its validity.
• Abstract（参考訳）: 将来の観測予測は重要かつ困難な問題である。 予測の不確実性利用予測領域と予測分布を定量化する2つの主要なアプローチは、他の予測関連タスクを実行することができるため、後者の方がより有益であると考えられている。 標準妥当性概念であるタイプ1妥当性は,予測領域のカバレッジ確率に焦点をあてるが,予測分布による他の予測関連タスクに関連する妥当性の概念は欠落している。 ここでは、これら他の予測タスクに関連する新しい概念であるタイプ2の有効性を示す。 タイプ2の有効性とコヒーレンス特性との関係を確立し,その実現には不正確な確率的考察が必要であることを示す。 さらに,共形予測出力を子音推定尺度の輪郭関数として解釈することにより,両種類の予測妥当性を実現できることを示す。 また、新しい非パラメトリック推論モデル構築に基づく共形予測の代替的特徴として、子音の出現が自然であり、その妥当性を証明している。

関連論文リスト

• Self-Calibrating Conformal Prediction [16.606421967131524]
  本稿では,これらの予測に対して有限サンプル妥当性条件付き予測間隔とともに,校正点予測を実現するための自己校正等式予測を提案する。 本手法は,モデルキャリブレーションによりキャリブレーション間隔効率を向上し,特徴条件の妥当性に対して実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-02-11T21:12:21Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• Predictive Inference with Feature Conformal Prediction [80.77443423828315]
  本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。 理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。 提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
  論文  参考訳（メタデータ） (2022-10-01T02:57:37Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
  本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。 我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
  論文  参考訳（メタデータ） (2021-09-07T09:38:24Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Approximation to Object Conditional Validity with Conformal Predictors [0.2538209532048866]
  コンフォーマル予測器は、有限サンプルの限界的妥当性を保証する予測間隔を出力する機械学習アルゴリズムです。 このような条件付き妥当性は有限サンプルの非自明な予測問題を保証することは不可能であることが示されている。 本稿では,条件付き妥当性の強い結果を得るのではなく,条件付き妥当性の近似を達成するという,より弱い目標を考える。
  論文  参考訳（メタデータ） (2021-02-15T10:14:44Z)
• Conformal e-prediction [0.0]
  コンフォーマルな電子予測は概念的には単純であり、1990年代に共形予測の前駆体として開発された。 本稿では, 共形予測と共形予測の関係を現代的観点から体系的に再検討する。
  論文  参考訳（メタデータ） (2020-01-16T18:41:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。