論文の概要: Kandinsky Conformal Prediction: Beyond Class- and Covariate-Conditional Coverage
- arxiv url: http://arxiv.org/abs/2502.17264v1
- Date: Mon, 24 Feb 2025 15:46:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-25 15:57:57.363391
- Title: Kandinsky Conformal Prediction: Beyond Class- and Covariate-Conditional Coverage
- Title（参考訳）: Kandinsky Conformal Prediction: クラスと共変量のカバーを超えた予測
- Authors: Konstantina Bairaktari, Jiayun Wu, Zhiwei Steven Wu,
- Abstract要約: コンフォーマル予測は、カバレッジ保証付き予測セットを構築するための強力な分散フリーフレームワークである。
条件付きカバレッジ保証の範囲を大幅に拡大するフレームワークであるKandinsky conformal predictionを提案する。
提案アルゴリズムは既存の手法を統一・拡張し,極小最適高確率条件付き範囲を実現する。
- 参考スコア（独自算出の注目度）: 25.945248419737318
- License:
- Abstract: Conformal prediction is a powerful distribution-free framework for constructing prediction sets with coverage guarantees. Classical methods, such as split conformal prediction, provide marginal coverage, ensuring that the prediction set contains the label of a random test point with a target probability. However, these guarantees may not hold uniformly across different subpopulations, leading to disparities in coverage. Prior work has explored coverage guarantees conditioned on events related to the covariates and label of the test point. We present Kandinsky conformal prediction, a framework that significantly expands the scope of conditional coverage guarantees. In contrast to Mondrian conformal prediction, which restricts its coverage guarantees to disjoint groups -- reminiscent of the rigid, structured grids of Piet Mondrian's art -- our framework flexibly handles overlapping and fractional group memberships defined jointly on covariates and labels, reflecting the layered, intersecting forms in Wassily Kandinsky's compositions. Our algorithm unifies and extends existing methods, encompassing covariate-based group conditional, class conditional, and Mondrian conformal prediction as special cases, while achieving a minimax-optimal high-probability conditional coverage bound. Finally, we demonstrate the practicality of our approach through empirical evaluation on real-world datasets.
- Abstract（参考訳）: コンフォーマル予測は、カバレッジ保証付き予測セットを構築するための強力な分散フリーフレームワークである。
分割共形予測のような古典的な手法は、予測セットが目標確率のランダムなテストポイントのラベルを含むことを保証し、限界カバレッジを提供する。
しかし、これらの保証は異なるサブポピュレーション全体にわたって均一に保たない可能性があるため、カバー範囲の格差が生じる。
以前の作業では、テストポイントの共変量とラベルに関連するイベントに条件づけられたカバレッジの保証を調査していた。
条件付きカバレッジ保証の範囲を大幅に拡大するフレームワークであるKandinsky conformal predictionを提案する。
ピエトロ・モンドリアンの芸術の厳密で構造化された格子を想起させるような、その被覆の保証を制限するモンドリアンの同型予想とは対照的に、我々の枠組みは、ワシリー・カンディンスキーの作曲において層状で交差する形式を反映して、共変体とラベルに共同で定義された重なりと分断的な群のメンバーシップを柔軟に扱う。
本アルゴリズムは,共変量に基づく群条件付き群条件付き,クラス条件付き,モンドリアン等式予測を特別な場合として含む既存手法を統一・拡張するとともに,極小最大最適高確率条件付き範囲を達成している。
最後に,実世界のデータセットに対する経験的評価を通じて,本手法の実用性を実証する。
関連論文リスト
- Epistemic Uncertainty in Conformal Scores: A Unified Approach [2.449909275410288]
等角予測法は、分布のない保証を持つ予測帯域を生成するが、不確実性を明示的に捉えることはできない。
モデルに依存しないアプローチである $texttEPICSCORE$ を導入する。
$texttEPICSCORE$は、限られたデータを持つ領域の予測間隔を適応的に拡張し、データが豊富であるコンパクト間隔を維持します。
論文 参考訳（メタデータ） (2025-02-10T19:42:54Z) - Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。
本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-17T12:01:56Z) - Adjusting Regression Models for Conditional Uncertainty Calibration [46.69079637538012]
本稿では,分割共形予測手法を適用して条件付きカバレッジを改善するために,回帰関数を訓練する新しいアルゴリズムを提案する。
本研究では,条件付きカバレッジと名目付きカバレッジ率の差分を求める上限を確立し,この上限値を制御するためのエンドツーエンドアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-26T01:55:45Z) - 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) - Distribution-free Conformal Prediction for Ordinal Classification [0.0]
正規分類は、対象変数がクラスラベル間で自然な順序付けを持つ実アプリケーションで一般的である。
連続的および非連続的な予測セットを構築するための新しい共形予測手法を開発した。
論文 参考訳（メタデータ） (2024-04-25T13:49:59Z) - Class-Conditional Conformal Prediction with Many Classes [60.8189977620604]
類似した共形スコアを持つクラスをクラスタ化するクラスタ化共形予測法を提案する。
クラスタ化されたコンフォメーションは、クラス条件カバレッジとセットサイズメトリクスの点で、既存のメソッドよりも一般的に優れています。
論文 参考訳（メタデータ） (2023-06-15T17:59:02Z) - Conformal Off-Policy Prediction in Contextual Bandits [54.67508891852636]
コンフォーマルなオフ政治予測は、新しい目標ポリシーの下で、結果に対する信頼できる予測間隔を出力することができる。
理論上の有限サンプル保証は、標準的な文脈的バンディットの設定を超える追加の仮定をすることなく提供する。
論文 参考訳（メタデータ） (2022-06-09T10:39:33Z) - Practical Adversarial Multivalid Conformal Prediction [27.179891682629183]
逐次予測のための一般的な共形予測法を提案する。
相手が選択したデータに対して、ターゲットの実証的カバレッジを保証する。
これは計算的に軽量であり、分割共形予測に匹敵する。
論文 参考訳（メタデータ） (2022-06-02T14:33:00Z)
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。