論文の概要: Probabilistic Conformal Prediction Using Conditional Random Samples
- arxiv url: http://arxiv.org/abs/2206.06584v1
- Date: Tue, 14 Jun 2022 03:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 14:06:56.027259
- Title: Probabilistic Conformal Prediction Using Conditional Random Samples
- Title(参考訳): 条件付きランダムサンプルを用いた確率的等角予測
- Authors: Zhendong Wang, Ruijiang Gao, Mingzhang Yin, Mingyuan Zhou, David M.
Blei
- Abstract要約: PCPは、不連続な予測セットによって対象変数を推定する予測推論アルゴリズムである。
効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
- 参考スコア(独自算出の注目度): 73.26753677005331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes probabilistic conformal prediction (PCP), a predictive
inference algorithm that estimates a target variable by a discontinuous
predictive set. Given inputs, PCP construct the predictive set based on random
samples from an estimated generative model. It is efficient and compatible with
either explicit or implicit conditional generative models. Theoretically, we
show that PCP guarantees correct marginal coverage with finite samples.
Empirically, we study PCP on a variety of simulated and real datasets. Compared
to existing methods for conformal inference, PCP provides sharper predictive
sets.
- Abstract(参考訳): 本稿では,目標変数を不連続予測集合で推定する予測推論アルゴリズムであるprobabilistic conformal prediction (pcp)を提案する。
入力が与えられた場合、PCPは推定生成モデルからのランダムなサンプルに基づいて予測セットを構築する。
効率的で、明示的または暗黙的な条件生成モデルと互換性がある。
理論的には,PCPは有限標本による正限被覆を保証している。
実験により,PCPをシミュレーションおよび実データを用いて検討した。
共形推論の既存の方法と比較して、PCPはよりシャープな予測セットを提供する。
関連論文リスト
- Conformal Prediction for Deep Classifier via Label Ranking [31.559954367481538]
コンフォーマル予測(Conformal prediction)は、予測セットを所望のカバレッジ保証で生成する統計フレームワークである。
本稿では,確率値の無視が,誤校正された確率値の望ましくない効果を軽減することを示す。
我々は,最大ソフトマックス確率を除いて全ての確率値を破棄する,$ittextSorted Adaptive Prediction Set$ (SAPS) という新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-10T08:54:14Z) - Invariant Probabilistic Prediction [45.88151520988133]
任意の分布シフトは、一般に不変かつ頑健な確率的予測を認めないことを示す。
Invariant probabilistic predictions called IPP, and study the consistency of the underlying parameters。
論文 参考訳(メタデータ) (2023-09-18T18:50:24Z) - Conformal Nucleus Sampling [67.5232384936661]
最上位のp$集合が、様々な言語文脈における確率的意味と実際に一致しているかを評価する。
OPTモデルは過信であり、キャリブレーションはモデルサイズで適度な逆スケーリングを示す。
論文 参考訳(メタデータ) (2023-05-04T08:11:57Z) - Design-based conformal prediction [0.0]
コンフォーマル予測(Conformal prediction)は、分布のない予測間隔や集合を生成するための仮定リーンなアプローチである。
そこで本研究では, 共形予測が, 複合的なサンプルサーベイ設計から得られるデータにどのように適用できるかを示す。
論文 参考訳(メタデータ) (2023-03-02T17:15:31Z) - 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) - Practical Adversarial Multivalid Conformal Prediction [27.179891682629183]
逐次予測のための一般的な共形予測法を提案する。
相手が選択したデータに対して、ターゲットの実証的カバレッジを保証する。
これは計算的に軽量であり、分割共形予測に匹敵する。
論文 参考訳(メタデータ) (2022-06-02T14:33:00Z) - 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) - Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic
Regression [51.770998056563094]
PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。
既存の最先端手法と比較してPGBMの利点を実証的に示す。
論文 参考訳(メタデータ) (2021-06-03T08:32:13Z) - 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) - Sequential Aggregation of Probabilistic Forecasts -- Applicaton to Wind
Speed Ensemble Forecasts [0.0]
本稿では,段階的累積分布関数 (CDF) として発行される確率的予測の場合に対して,専門家の助言で予測理論を適応させる。
本研究の第2の目的は,連続格付け確率スコア(CRPS)とJolliffe-Primoテストの2つの予測性能基準の利用を検討することである。
論文 参考訳(メタデータ) (2020-05-07T15:07:43Z)
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。