論文の概要: Informativeness of Weighted Conformal Prediction

• arxiv url: http://arxiv.org/abs/2405.06479v1
• Date: Fri, 10 May 2024 13:55:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-13 15:38:11.204154
• Title: Informativeness of Weighted Conformal Prediction
• Title（参考訳）: 重み付き等角予測のインフォーマル性
• Authors: Mufang Ying, Wenge Guo, Koulik Khamaru, Ying Hung,
• Abstract要約: 本稿では,重み付き共形予測の有意性を高める2つの方法を提案する。 提案手法の理論的保証を確立し,シミュレーションによる有効性を示す。
• 参考スコア（独自算出の注目度）: 3.1717575440579617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weighted conformal prediction (WCP), a recently proposed framework, provides uncertainty quantification with the flexibility to accommodate different covariate distributions between training and test data. However, it is pointed out in this paper that the effectiveness of WCP heavily relies on the overlap between covariate distributions; insufficient overlap can lead to uninformative prediction intervals. To enhance the informativeness of WCP, we propose two methods for scenarios involving multiple sources with varied covariate distributions. We establish theoretical guarantees for our proposed methods and demonstrate their efficacy through simulations.
• Abstract（参考訳）: 最近提案されたフレームワークである重み付き共形予測(WCP)は、トレーニングデータとテストデータ間の異なる共変量分布に対応する柔軟性を備えた不確実な定量化を提供する。 しかし,WCPの有効性は共変量分布の重なりに大きく依存していることが指摘され,重なりが不十分なため,非形式的予測間隔が生じる可能性がある。 WCPの情報性を高めるために,共変量分布の異なる複数のソースを含むシナリオの2つの手法を提案する。 提案手法の理論的保証を確立し,シミュレーションによる有効性を示す。

関連論文リスト

• An Information Theoretic Perspective on Conformal Prediction [15.194199235970242]
  コンフォーマル予測(CP)は、ユーザが特定した確率で真の答えを含むことが保証される予測セットを構成する。 本研究では,情報理論を利用して共形予測と不確実性の概念を結びつける。
  論文  参考訳（メタデータ） (2024-05-03T14:43:07Z)
• Conformal Predictive Systems Under Covariate Shift [2.9310590399782788]
  Conformal Predictive Systems (CPS) は予測分布を構築するための汎用的なフレームワークを提供する。 重み付きCPS(重み付きコンフォーマル予測)を提案する。 本稿ではWCPSの有効性と有効性に関する理論的根拠と予想について述べる。
  論文  参考訳（メタデータ） (2024-04-23T13:23:27Z)
• Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
  本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。 提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
  論文  参考訳（メタデータ） (2024-02-13T09:40:19Z)
• Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
  コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。 非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。 この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
  論文  参考訳（メタデータ） (2023-12-25T20:02:51Z)
• Invariant Probabilistic Prediction [45.90606906307022]
  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)
• Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
  本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。 この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
  論文  参考訳（メタデータ） (2023-08-03T12:43:21Z)
• 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)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)

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。