論文の概要: Exchangeability, Conformal Prediction, and Rank Tests
- arxiv url: http://arxiv.org/abs/2005.06095v3
- Date: Fri, 4 Jun 2021 01:35:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 13:35:44.924250
- Title: Exchangeability, Conformal Prediction, and Rank Tests
- Title（参考訳）: 交換性, 等角予測, ランクテスト
- Authors: Arun Kumar Kuchibhotla
- Abstract要約: 本稿では、交換可能性の概念を概観し、整合性予測とランクテストの意義について論じる。
我々はこれらのトピックについて低レベルの紹介を行い、整合予測とランクテストの類似性について議論する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conformal prediction has been a very popular method of distribution-free
predictive inference in recent years in machine learning and statistics. Its
popularity stems from the fact that it works as a wrapper around any prediction
algorithm such as neural networks or random forests. Exchangeability is at the
core of the validity of conformal prediction. The concept of exchangeability is
also at the core of rank tests widely known in nonparametric statistics. In
this paper, we review the concept of exchangeability and discuss the
implications for conformal prediction and rank tests. We provide a low-level
introduction to these topics, and discuss the similarities between conformal
prediction and rank tests.
- Abstract（参考訳）: コンフォーマル予測は近年、機械学習と統計学において、分布のない予測推論の非常に一般的な方法である。
その人気は、ニューラルネットワークやランダムフォレストのような予測アルゴリズムのラッパーとして機能することに由来する。
交換性は共形予測の妥当性の核心にある。
交換可能性の概念は、非パラメトリック統計学で広く知られているランクテストの中核でもある。
本稿では,交換可能性の概念を概観し,整合性予測とランクテストについて考察する。
これらのトピックを低レベルに紹介するとともに,コンフォメーション予測とランクテストの類似性について論じる。
関連論文リスト
- Enhancing Conformal Prediction Using E-Test Statistics [0.0]
Conformal Prediction (CP) は、機械学習(ML)モデルによる予測の不確実性を定量化する、堅牢なフレームワークとして機能する。
本稿では, BB予測器の導入により共形予測の有効性を高めるために, e-test 統計の力を活用して, 代替手法を考案する。
論文 参考訳（メタデータ） (2024-03-28T01:14:25Z) - Conformal PID Control for Time Series Prediction [10.992151305603265]
時系列予測における不確実性定量化の問題について検討する。
オンライン環境で共形スコアを前向きにモデル化するアルゴリズムを提案する。
また、電力需要、市場リターン、温度を予測する実験も行っています。
論文 参考訳（メタデータ） (2023-07-31T17:59:16Z) - Conformal Prediction for Federated Uncertainty Quantification Under
Label Shift [57.54977668978613]
Federated Learning(FL)は、多くのクライアントが協力してモデルをトレーニングする機械学習フレームワークである。
我々は、量子回帰に基づく新しいコンフォメーション予測法を開発し、プライバシー制約を考慮した。
論文 参考訳（メタデータ） (2023-06-08T11:54:58Z) - Federated Conformal Predictors for Distributed Uncertainty
Quantification [83.50609351513886]
コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。
本稿では,共形予測を連邦学習環境に拡張する。
本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
論文 参考訳（メタデータ） (2023-05-27T19:57:27Z) - Prediction-Powered Inference [68.97619568620709]
予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。
このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。
予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
論文 参考訳（メタデータ） (2023-01-23T18:59:28Z) - Distribution-Free Finite-Sample Guarantees and Split Conformal
Prediction [0.0]
分割共形予測は、最小分布自由仮定の下で有限サンプル保証を得るための有望な道を表す。
1940年代に開発された分割共形予測と古典的寛容予測との関連性を強調した。
論文 参考訳（メタデータ） (2022-10-26T14:12:24Z) - 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) - 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) - Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。
設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。
合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2020-06-08T07:01:38Z) - 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。