Fugu-MT 論文翻訳(概要): Enhancing Conformal Prediction Using E-Test Statistics

論文の概要: Enhancing Conformal Prediction Using E-Test Statistics

arxiv url: http://arxiv.org/abs/2403.19082v1
Date: Thu, 28 Mar 2024 01:14:25 GMT
ステータス: 処理完了
システム内更新日: 2024-03-29 17:42:20.332458
Title: Enhancing Conformal Prediction Using E-Test Statistics
Title（参考訳）: E-Test Statistics を用いたコンフォーマル予測の強化
Authors: A. A. Balinsky, A. D. Balinsky,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Conformal Prediction (CP) serves as a robust framework that quantifies uncertainty in predictions made by Machine Learning (ML) models. Unlike traditional point predictors, CP generates statistically valid prediction regions, also known as prediction intervals, based on the assumption of data exchangeability. Typically, the construction of conformal predictions hinges on p-values. This paper, however, ventures down an alternative path, harnessing the power of e-test statistics to augment the efficacy of conformal predictions by introducing a BB-predictor (bounded from the below predictor).
Abstract（参考訳）: 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。従来の点予測器とは異なり、CPはデータ交換可能性の仮定に基づいて統計的に有効な予測領域(予測間隔とも呼ばれる)を生成する。典型的には、p-値に基づいて共形予測を構成する。しかし,本論文では,e-test統計の力を利用して,BB予測器(下記の予測器から有界)を導入し,共形予測の有効性を高める方法を提案する。

関連論文リスト

Robust Conformal Prediction Using Privileged Information [17.886554223172517]
本研究では,トレーニングデータの破損に対して堅牢な,保証されたカバレッジ率で予測セットを生成する手法を開発した。我々のアプローチは、i.d仮定の下で有効となる予測セットを構築するための強力なフレームワークである共形予測に基づいている。
論文参考訳（メタデータ） (2024-06-08T08:56:47Z)
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)
Generalization and Informativeness of Conformal Prediction [36.407171992845456]
Con conformal prediction (CP) は任意のベース予測器をカバレッジ保証付きセット予測器に変換する。 CPは、予測セットがユーザ定義の許容範囲でターゲット量を含むことを認証するが、予測セットの平均サイズを制御できない。基底予測器の一般化特性と結果のCP予測セットの情報性との間に理論的な関係が確立される。導出上界は、CPセット予測器の平均サイズが、キャリブレーションデータの量、目標信頼性、ベース予測器の一般化性能に依存することを洞察する。
論文参考訳（メタデータ） (2024-01-22T10:14:45Z)
Prediction De-Correlated Inference: A safe approach for post-prediction inference [0.8192907805418583]
この設定での推論はしばしばポスト述語推論と呼ばれる。我々は,予測相関推論 (PDC) という,予測後条件下での統計的推論のための新しい仮定リーンフレームワークを提案する。我々のアプローチは安全であり、PDCが任意のブラックボックス機械学習モデルに自動的に適応し、教師付き機械学習モデルよりも一貫して優れる。
論文参考訳（メタデータ） (2023-12-11T16:04:48Z)
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)
Probabilistic Conformal Prediction Using Conditional Random Samples [73.26753677005331]
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。
論文参考訳（メタデータ） (2022-06-14T03:58:03Z)
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)
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)
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。