論文の概要: Conformalized Survival Distributions: A Generic Post-Process to Increase Calibration
- arxiv url: http://arxiv.org/abs/2405.07374v2
- Date: Mon, 3 Jun 2024 03:32:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-04 14:48:46.210655
- Title: Conformalized Survival Distributions: A Generic Post-Process to Increase Calibration
- Title（参考訳）: コンフォーマル化サバイバル分布:キャリブレーション向上のためのジェネリックポストプロシース
- Authors: Shi-ang Qi, Yakun Yu, Russell Greiner,
- Abstract要約: 判別と校正は生存分析の2つの重要な特性を表す。
異なる性質を持つため、生存モデルの両方を同時に最適化することは困難である。
本稿では, モデルキャリブレーションを劣化させることなく, モデルキャリブレーションを改善するためのコンフォメーションレグレッションを利用した新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 6.868842871753991
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Discrimination and calibration represent two important properties of survival analysis, with the former assessing the model's ability to accurately rank subjects and the latter evaluating the alignment of predicted outcomes with actual events. With their distinct nature, it is hard for survival models to simultaneously optimize both of them especially as many previous results found improving calibration tends to diminish discrimination performance. This paper introduces a novel approach utilizing conformal regression that can improve a model's calibration without degrading discrimination. We provide theoretical guarantees for the above claim, and rigorously validate the efficiency of our approach across 11 real-world datasets, showcasing its practical applicability and robustness in diverse scenarios.
- Abstract（参考訳）: 判別と校正は生存分析の重要な2つの特性を表しており、前者は被験者を正確にランク付けするモデルの能力、後者は予測結果と実際の事象のアライメントを評価する。
特に, キャリブレーションの改善により識別性能が低下する傾向にあるため, 生存モデルでは両者を同時に最適化することは困難である。
本稿では, モデルキャリブレーションを劣化させることなく, モデルキャリブレーションを改善するためのコンフォメーションレグレッションを利用した新しい手法を提案する。
上記の主張に対する理論的保証を提供し、11の現実世界のデータセットにまたがるアプローチの効率を厳格に検証し、その実践的適用性と多様なシナリオにおける堅牢性を示す。
関連論文リスト
- Toward Conditional Distribution Calibration in Survival Prediction [6.868842871753991]
本研究では,モデルが観測した時点における個人生存確率を用いて,共形予測に基づく手法を提案する。
限界キャリブレーションと条件キャリブレーションの両方に関する理論的保証を提供し、15の多様な実世界のデータセットに対して広範囲にテストする。
論文 参考訳（メタデータ） (2024-10-27T20:19:46Z) - Toward a Well-Calibrated Discrimination via Survival Outcome-Aware Contrastive Learning [6.963971634605796]
そこで本研究では,犠牲な校正を伴わずに識別のテキスト化を向上するための,新しいコントラスト学習手法を提案する。
提案手法は,類似した生存結果を持つサンプルに対して,低い罰則を付与する,対照的な学習枠組み内で重み付きサンプリングを用いる。
複数の実世界の臨床データセットに対する実験により,本手法は判別と校正の両面で最先端の深層生存モデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-10-15T07:12:57Z) - MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。
本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
論文 参考訳（メタデータ） (2024-10-12T07:02:33Z) - Towards Calibrated Robust Fine-Tuning of Vision-Language Models [97.19901765814431]
本研究は、視覚言語モデルにおいて、OOD精度と信頼性校正の両方を同時に改善する頑健な微調整法を提案する。
OOD分類とOOD校正誤差は2つのIDデータからなる共有上限を持つことを示す。
この知見に基づいて,最小の特異値を持つ制約付きマルチモーダルコントラスト損失を用いて微調整を行う新しいフレームワークを設計する。
論文 参考訳（メタデータ） (2023-11-03T05:41:25Z) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳（メタデータ） (2023-02-23T18:57:14Z) - On Calibrating Semantic Segmentation Models: Analyses and An Algorithm [51.85289816613351]
セマンティックセグメンテーションキャリブレーションの問題について検討する。
モデルキャパシティ、作物サイズ、マルチスケールテスト、予測精度はキャリブレーションに影響を及ぼす。
我々は、単純で統一的で効果的なアプローチ、すなわち選択的スケーリングを提案する。
論文 参考訳（メタデータ） (2022-12-22T22:05:16Z) - Adaptive Dimension Reduction and Variational Inference for Transductive
Few-Shot Classification [2.922007656878633]
適応次元の削減によりさらに改善された変分ベイズ推定に基づく新しいクラスタリング法を提案する。
提案手法は,Few-Shotベンチマークにおける現実的非バランスなトランスダクティブ設定の精度を大幅に向上させる。
論文 参考訳（メタデータ） (2022-09-18T10:29:02Z) - Deep Learning-Based Discrete Calibrated Survival Prediction [0.0]
本稿では,識別・校正型生存予測のための新しいディープニューラルネットワークである離散校正サバイバル(DCS)を提案する。
DCSの高機能化は、可変時間出力ノード間隔と新しい損失項という2つの新しい特徴に起因している。
我々は、DCSが、最先端の差別と良好な校正によるディープラーニングに基づく生存予測の臨床的応用に向けた重要なステップであると考えている。
論文 参考訳（メタデータ） (2022-08-17T09:40:07Z) - Learning Prediction Intervals for Regression: Generalization and
Calibration [12.576284277353606]
不確実性定量のための回帰における予測間隔の生成について検討する。
我々は一般学習理論を用いて、リプシッツ連続性とVC-サブグラフクラスを含む最適性と実現可能性のトレードオフを特徴づける。
我々は既存のベンチマークと比べてテスト性能の点で、区間生成とキャリブレーションアルゴリズムの強みを実証的に示している。
論文 参考訳（メタデータ） (2021-02-26T17:55:30Z) - Privacy Preserving Recalibration under Domain Shift [119.21243107946555]
本稿では,差分プライバシー制約下での校正問題の性質を抽象化する枠組みを提案する。
また、新しいリカレーションアルゴリズム、精度温度スケーリングを設計し、プライベートデータセットの事前処理より優れています。
論文 参考訳（メタデータ） (2020-08-21T18:43:37Z) - Decomposed Adversarial Learned Inference [118.27187231452852]
我々は,DALI(Decomposed Adversarial Learned Inference)という新しいアプローチを提案する。
DALIは、データ空間とコード空間の両方の事前および条件分布を明示的に一致させる。
MNIST, CIFAR-10, CelebAデータセットにおけるDALIの有効性を検証する。
論文 参考訳（メタデータ） (2020-04-21T20:00:35Z)
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。