Fugu-MT 論文翻訳(概要): Conformal Thresholded Intervals for Efficient Regression

論文の概要: Conformal Thresholded Intervals for Efficient Regression

arxiv url: http://arxiv.org/abs/2407.14495v1
Date: Fri, 19 Jul 2024 17:47:08 GMT
ステータス: 処理完了
システム内更新日: 2024-07-22 16:45:36.970007
Title: Conformal Thresholded Intervals for Efficient Regression
Title（参考訳）: 効率的な回帰のためのコンフォーマル閾値間隔
Authors: Rui Luo, Zhixin Zhou,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 9.559062601251464
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces Conformal Thresholded Intervals (CTI), a novel conformal regression method that aims to produce the smallest possible prediction set with guaranteed coverage. Unlike existing methods that rely on nested conformal framework and full conditional distribution estimation, CTI estimates the conditional probability density for a new response to fall into each interquantile interval using off-the-shelf multi-output quantile regression. CTI constructs prediction sets by thresholding the estimated conditional interquantile intervals based on their length, which is inversely proportional to the estimated probability density. The threshold is determined using a calibration set to ensure marginal coverage. Experimental results demonstrate that CTI achieves optimal performance across various datasets.
Abstract（参考訳）: 本稿では,CTI(Conformal Thresholded Intervals)を提案する。ネスト型共形フレームワークと完全条件分布推定に依存する既存の手法とは異なり、CTIはオフザシェルマルチ出力量子化回帰を用いて、新しい応答が各周波数間隔に落ちる条件確率密度を推定する。 CTIは、推定された条件間間隔をその長さに基づいて閾値付けすることで予測セットを構築し、これは推定された確率密度に逆比例する。閾値は、限界カバレッジを確保するためのキャリブレーションセットを用いて決定される。実験により、CTIは様々なデータセットで最適な性能を発揮することが示された。

関連論文リスト

Conformal Inference of Individual Treatment Effects Using Conditional Density Estimates [3.7307776333361122]
現在の最先端のアプローチは、有効な予測間隔を提供する一方で、しばしば過度に保守的な予測間隔をもたらす。本研究では,結果の条件密度を用いたITEに対する共形推論手法を提案する。予測間隔は, 限界的に有効であるだけでなく, 既存の手法よりも狭いことを示す。
論文参考訳（メタデータ） (2025-01-24T21:46:37Z)
Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
The consistency properties of TD learning with Polyak-Ruppert averaging and linear function approximation。まず、分散に明示的に依存し、弱い条件下で保持する新しい高次元確率収束保証を導出する。さらに、文献よりも高速な速度を保証する凸集合のクラスに対して、洗練された高次元ベリー-エッセイン境界を確立する。
論文参考訳（メタデータ） (2024-10-21T15:34:44Z)
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)
Conformalized Deep Splines for Optimal and Efficient Prediction Sets [4.676979941493237]
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。
論文参考訳（メタデータ） (2023-11-01T18:37:07Z)
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)
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)
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)
Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文参考訳（メタデータ） (2020-11-05T08:04:34Z)

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。