論文の概要: Conformalized Deep Splines for Optimal and Efficient Prediction Sets

• arxiv url: http://arxiv.org/abs/2311.00774v1
• Date: Wed, 1 Nov 2023 18:37:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 15:53:06.079642
• Title: Conformalized Deep Splines for Optimal and Efficient Prediction Sets
• Title（参考訳）: 最適かつ効率的な予測セットのための共形深層スプライン
• Authors: Nathaniel Diamant, Ehsan Hajiramezanali, Tommaso Biancalani, Gabriele Scalia
• Abstract要約: コンフォーマル推定(SPICE)による新しいコンフォーマル回帰法であるスプライン予測区間を提案する。 実験により実証的に検証したSPICEの普遍近似と最適性を示す。 ベンチマークデータセットの結果は、SPICE-NDモデルが最小平均予測セットサイズを達成することを示す。
• 参考スコア（独自算出の注目度）: 4.676979941493237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Uncertainty estimation is critical in high-stakes machine learning applications. One effective way to estimate uncertainty is conformal prediction, which can provide predictive inference with statistical coverage guarantees. We present a new conformal regression method, Spline Prediction Intervals via Conformal Estimation (SPICE), that estimates the conditional density using neural-network-parameterized splines. We prove universal approximation and optimality results for SPICE, which are empirically validated by our experiments. SPICE is compatible with two different efficient-to-compute conformal scores, one oracle-optimal for marginal coverage (SPICE-ND) and the other asymptotically optimal for conditional coverage (SPICE-HPD). Results on benchmark datasets demonstrate SPICE-ND models achieve the smallest average prediction set sizes, including average size reductions of nearly 50% for some datasets compared to the next best baseline. SPICE-HPD models achieve the best conditional coverage compared to baselines. The SPICE implementation is made available.
• Abstract（参考訳）: 高精度な機械学習アプリケーションでは不確実性推定が重要である。 不確かさを推定する効果的な方法の1つは共形予測(conformal prediction)である。 本稿では,ニューラル・ネットワーク・パラメトリゼーション・スプラインを用いて条件密度を推定する,新しいコンフォメーション回帰手法Spline Prediction Intervals(SPICE)を提案する。 実験により実証的に検証したSPICEの普遍近似と最適性を示す。 SPICEは2つの異なる効率的なコンフォメーションスコアと互換性があり、一方は限界カバレッジ(SPICE-ND)に最適であり、もう一方は条件カバレッジ(SPICE-HPD)に最適である。 ベンチマークデータセットの結果、SPICE-NDモデルは、次の最良ベースラインと比較して、いくつかのデータセットの平均サイズを50%近く削減するなど、最小平均予測セットサイズを達成する。 SPICE-HPDモデルはベースラインと比較して最高の条件付きカバレッジを達成する。 SPICEの実装は利用可能である。

関連論文リスト

• Optimizing Probabilistic Conformal Prediction with Vectorized Non-Conformity Scores [6.059745771017814]
  本研究では,まず非整合性スコアをランク付きサンプルでベクトル化し,次に同じランクのサンプルに対して定量値を変化させることで,予測値の形状を最適化することにより,効率を向上させる新しいフレームワークを提案する。 提案手法は,不連続かつ効率的な予測セットを生成しながら,有効なカバレッジを提供する。
  論文  参考訳（メタデータ） (2024-10-17T16:37:03Z)
• Conformal Thresholded Intervals for Efficient Regression [9.559062601251464]
  Conformal Thresholded Intervals (CTI) は、カバー範囲が保証された最小限の予測セットを生成することを目的とした、新しいコンフォメーション回帰手法である。 CTIは、その長さに基づいて推定された条件間間隔をしきい値にすることで予測セットを構築する。
  論文  参考訳（メタデータ） (2024-07-19T17:47:08Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
  予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。 我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。 単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-06-06T17:37:39Z)
• Kernel-based optimally weighted conformal prediction intervals [12.814084012624916]
  カーネルを用いた最適重み付き等角予測区間(KOWCPI)を提案する。 KOWCPIは、古典的なReweighted Nadaraya-Watson (RNW) 推定器を、依存データに対する量子レグレッションに適応させる。 実時間時系列におけるKOWCPIの最先端手法に対する優れた性能を示す。
  論文  参考訳（メタデータ） (2024-05-27T04:49:41Z)
• Efficient adjustment for complex covariates: Gaining efficiency with DOPE [56.537164957672715]
  共変量によって表現される情報のサブセットを調整可能なフレームワークを提案する。 理論的な結果に基づいて,平均処理効果(ATE)の効率的な評価を目的とした,デバイアスドアウトカム適応確率推定器(DOPE)を提案する。 その結果,DOPE は様々な観測環境において ATE 推定のための効率的かつ堅牢な手法を提供することがわかった。
  論文  参考訳（メタデータ） (2024-02-20T13:02:51Z)
• PAC-Bayes Generalization Certificates for Learned Inductive Conformal Prediction [27.434939269672288]
  我々はPAC-Bayes理論を用いて、集合値予測器のカバレッジと効率の一般化境界を求める。 我々はこれらの理論結果を活用し、キャリブレーションデータを用いてモデルのパラメータやスコア関数を微調整する実用的なアルゴリズムを提供する。 我々は, 回帰および分類タスクに対するアプローチの評価を行い, ICP 上の Hoeffding bound-based PAC 保証を用いて, 基準値の調整を行った。
  論文  参考訳（メタデータ） (2023-12-07T19:40:44Z)
• Uncertainty Quantification over Graph with Conformalized Graph Neural Networks [52.20904874696597]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データに基づく強力な機械学習予測モデルである。 GNNには厳密な不確実性見積が欠如しており、エラーのコストが重要な設定での信頼性の高いデプロイメントが制限されている。 本稿では,共形予測(CP)をグラフベースモデルに拡張した共形GNN(CF-GNN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T21:38:23Z)
• Variational Inference with Coverage Guarantees in Simulation-Based Inference [18.818573945984873]
  コンフォーマル化補正ニューラル変分推論(CANVI)を提案する。 CANVIは各候補に基づいて共形予測器を構築し、予測効率と呼ばれる計量を用いて予測器を比較し、最も効率的な予測器を返す。 我々は,CANVIが生成する領域の予測効率の低い境界を証明し,その近似に基づいて,後部近似の品質と予測領域の予測効率の関係について検討する。
  論文  参考訳（メタデータ） (2023-05-23T17:24:04Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)

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。