論文の概要: Generalized Venn and Venn-Abers Calibration with Applications in Conformal Prediction
- arxiv url: http://arxiv.org/abs/2502.05676v2
- Date: Fri, 27 Jun 2025 18:41:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 15:08:38.95395
- Title: Generalized Venn and Venn-Abers Calibration with Applications in Conformal Prediction
- Title（参考訳）: 一般化VennとVenn-Abersの校正と等角予測への応用
- Authors: Lars van der Laan, Ahmed Alaa,
- Abstract要約: 我々は、Venn-Abersキャリブレーションのための統一的なフレームワークを導入し、Vovkのアプローチを二項分類を超えて、ジェネリック損失関数によって定義される予測問題の幅広いクラスに拡張する。
提案手法は,任意の完全サンプル内キャリブレーションされた予測器を,有限サンプルにおいて少なくとも1つの限界点予測を出力するセット値予測器に変換する。
量子損失に対して,本フレームワークは,グループ条件とマルチキャリブレーションされた共形予測を特殊ケースとして回収し,量子条件のカバレッジで新しい予測区間を生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring model calibration is critical for reliable prediction, yet popular distribution-free methods such as histogram binning and isotonic regression offer only asymptotic guarantees. We introduce a unified framework for Venn and Venn-Abers calibration that extends Vovk's approach beyond binary classification to a broad class of prediction problems defined by generic loss functions. Our method transforms any perfectly in-sample calibrated predictor into a set-valued predictor that, in finite samples, outputs at least one marginally calibrated point prediction. These set predictions shrink asymptotically and converge to a conditionally calibrated prediction, capturing epistemic uncertainty. We further propose Venn multicalibration, a new approach for achieving finite-sample calibration across subpopulations. For quantile loss, our framework recovers group-conditional and multicalibrated conformal prediction as special cases and yields novel prediction intervals with quantile-conditional coverage.
- Abstract（参考訳）: モデルキャリブレーションの確立は、信頼性の高い予測には不可欠であるが、ヒストグラム・バイニングや等調回帰のような分布自由な手法は漸近的な保証しか提供しない。
本稿では、Venn and Venn-Abersキャリブレーションの統一フレームワークを導入し、Vovkのアプローチを二項分類を超えて一般化損失関数によって定義される幅広い予測問題に拡張する。
提案手法は,任意の完全サンプル校正点予測器を,有限サンプルにおいて少なくとも1つの辺りの校正点予測を出力するセット値予測器に変換する。
これらのセット予測は漸近的に縮小し、条件付き校正予測に収束し、てんかんの不確実性を捉える。
さらに、サブポピュレーション間の有限サンプルキャリブレーションを達成するための新しいアプローチであるVenn multicalibrationを提案する。
量子損失に対して,本フレームワークは,グループ条件とマルチキャリブレーションされた共形予測を特殊ケースとして回収し,量子条件のカバレッジで新しい予測区間を生成する。
関連論文リスト
- Calibration Bands for Mean Estimates within the Exponential Dispersion Family [0.0]
自動校正のためのテストは、最近になって文献でのみ検討されている。
得られたキャリブレーションバンドは、キャリブレーションと自動キャリブレーションのための様々なテストを構築することができることを示す。
論文 参考訳（メタデータ） (2025-03-24T17:09:19Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - 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) - Calibration by Distribution Matching: Trainable Kernel Calibration
Metrics [56.629245030893685]
カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。
これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。
決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
論文 参考訳（メタデータ） (2023-10-31T06:19:40Z) - Causal isotonic calibration for heterogeneous treatment effects [0.5249805590164901]
異種治療効果の予測因子を校正する新しい非パラメトリック手法である因果等方性キャリブレーションを提案する。
また、データ効率の良いキャリブレーションの変種であるクロスキャリブレーションを導入し、ホールドアウトキャリブレーションセットの必要性を排除した。
論文 参考訳（メタデータ） (2023-02-27T18:07:49Z) - Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。
本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文 参考訳（メタデータ） (2023-02-23T12:17:36Z) - Parametric and Multivariate Uncertainty Calibration for Regression and
Object Detection [4.630093015127541]
一般的な検出モデルでは,観測誤差と比較して空間的不確かさが過大評価されている。
実験の結果, 簡便な等速回帰補正法は, 良好な校正不確実性を実現するのに十分であることがわかった。
対照的に、後続のプロセスに正規分布が必要な場合、GP-Normal再校正法が最良の結果をもたらす。
論文 参考訳（メタデータ） (2022-07-04T08:00:20Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - Unsupervised Calibration under Covariate Shift [92.02278658443166]
ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。
実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
論文 参考訳（メタデータ） (2020-06-29T21:50:07Z) - Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。
古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。
提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文 参考訳（メタデータ） (2020-06-23T07:18:05Z) - Individual Calibration with Randomized Forecasting [116.2086707626651]
予測値がランダムに設定された場合,各サンプルのキャリブレーションは回帰設定で可能であることを示す。
我々は、個別の校正を強制する訓練目標を設計し、それをランダム化された回帰関数の訓練に使用する。
論文 参考訳（メタデータ） (2020-06-18T05:53:10Z)
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。