論文の概要: Heteroskedastic conformal regression
- arxiv url: http://arxiv.org/abs/2309.08313v1
- Date: Fri, 15 Sep 2023 11:10:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-18 15:05:08.622926
- Title: Heteroskedastic conformal regression
- Title(参考訳): Heteroskedastic conformal regression
- Authors: Nicolas Dewolf, Bernard De Baets, Willem Waegeman
- Abstract要約: 近年の研究では、分割共形予測は、限界被覆に着目した場合、最先端の予測間隔を生み出すことが示されている。
本稿では,正規化やモンドリアン共形予測などの手法を用いて適応予測区間を構築する方法について,新たな光を当てる。
- 参考スコア(独自算出の注目度): 14.504146200189057
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conformal prediction, and split conformal prediction as a specific
implementation, offer a distribution-free approach to estimating prediction
intervals with statistical guarantees. Recent work has shown that split
conformal prediction can produce state-of-the-art prediction intervals when
focusing on marginal coverage, i.e., on a calibration dataset the method
produces on average prediction intervals that contain the ground truth with a
predefined coverage level. However, such intervals are often not adaptive,
which can be problematic for regression problems with heteroskedastic noise.
This paper tries to shed new light on how adaptive prediction intervals can be
constructed using methods such as normalized and Mondrian conformal prediction.
We present theoretical and experimental results in which these methods are
investigated in a systematic way.
- Abstract(参考訳): 共形予測と分割共形予測は、統計的保証付き予測間隔を推定するための分布のないアプローチを提供する。
近年の研究では、分割共形予測が限界カバレッジに焦点を当てた場合の最先端予測区間、すなわちキャリブレーションデータセットにおいて、事前に定義されたカバレッジレベルを持つ基底真理を含む平均予測間隔で生成できることが示されている。
しかし、そのような間隔はしばしば適応的ではなく、ヘテロケクタスティックノイズを伴う回帰問題に問題となる。
本稿では,正規化法やモンドリアン共形予測法を用いて適応予測間隔をどのように構築できるか,新たな光を当てようとする。
そこで本研究では,これらの手法を系統的に検討する理論的および実験的結果を示す。
関連論文リスト
- When Rigidity Hurts: Soft Consistency Regularization for Probabilistic
Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。
ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。
ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文 参考訳(メタデータ) (2023-10-17T20:30:16Z) - 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) - A general framework for multi-step ahead adaptive conformal
heteroscedastic time series forecasting [0.0]
本稿では,適応アンサンブルバッチ多出力多出力共形量子化回帰(AEnbMIMOCQR)と呼ばれる新しいモデル非依存アルゴリズムを提案する。
これにより、予測者は、固定された特定された誤発見率に対して、分布のない方法で、複数段階の事前予測間隔を生成できる。
本手法は, 整合予測の原理に基づいているが, データの分割は不要であり, データの交換ができない場合でも, ほぼ正確なカバレッジを提供する。
論文 参考訳(メタデータ) (2022-07-28T16:40:26Z) - When Rigidity Hurts: Soft Consistency Regularization for Probabilistic
Hierarchical Time Series Forecasting [69.30930115236228]
確率的階層的時系列予測は時系列予測の重要な変種である。
ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。
ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
論文 参考訳(メタデータ) (2022-06-16T06:13:53Z) - 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) - Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。
我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。
我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文 参考訳(メタデータ) (2021-07-05T21:05:11Z) - Well-calibrated prediction intervals for regression problems [14.451046691298298]
本稿では,概念的・実験的観点から,上記の4つの手法のクラスを概観する。
さまざまなドメインのベンチマークデータセットの結果は、あるデータセットから別のデータセットへのパフォーマンスの大きな変動を浮き彫りにしている。
本稿では, キャリブレーション手順を使わずに, 粗悪な結果をもたらす手法の一般的なキャリブレーション手順として, コンフォメーション予測をどのように利用できるかを説明する。
論文 参考訳(メタデータ) (2021-07-01T10:59:36Z) - Conformal histogram regression [15.153110906331737]
本稿では,スキューデータに自動的に適応可能な非パラメトリック回帰の予測間隔を計算するためのコンフォメーション手法を提案する。
ブラックボックス機械学習アルゴリズムを活用して、その出力を近似条件付きの最短予測間隔に変換する。
得られた予測間隔は、ブラックボックスモデルが一貫性のある場合、条件付きカバレッジと最適な長さを達成しながら、有限サンプルにおいて確実に限界カバレッジを有する。
論文 参考訳(メタデータ) (2021-05-18T18:05:02Z) - Interpretable Machines: Constructing Valid Prediction Intervals with
Random Forests [0.0]
最近の研究で機械学習アルゴリズムを使用する場合の重要な問題は、解釈能力の欠如です。
Random Forest Regression Learnerのこのギャップへの貢献について紹介します。
いくつかのパラメトリックおよび非パラメトリック予測区間がランダムフォレスト点予測のために提供される。
モンテカルロシミュレーションによる徹底的な調査を行い,提案手法の性能を評価した。
論文 参考訳(メタデータ) (2021-03-09T23:05:55Z) - 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)
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。