論文の概要: Valid Selection among Conformal Sets

• arxiv url: http://arxiv.org/abs/2506.20173v1
• Date: Wed, 25 Jun 2025 06:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.634531
• Title: Valid Selection among Conformal Sets
• Title（参考訳）: コンフォーマル集合の妥当性の選択
• Authors: Mahmoud Hegazy, Liviu Aolaritei, Michael I. Jordan, Aymeric Dieuleveut,
• 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、配布不要のフレームワークを提供する。 最小セットなど、最も望ましいセットを選択することは、カバレッジ保証を無効にすることができる。 本稿では,選択した予測セットのカバレッジを確保するための安定性に基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 53.016786692105796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal prediction offers a distribution-free framework for constructing prediction sets with coverage guarantees. In practice, multiple valid conformal prediction sets may be available, arising from different models or methodologies. However, selecting the most desirable set, such as the smallest, can invalidate the coverage guarantees. To address this challenge, we propose a stability-based approach that ensures coverage for the selected prediction set. We extend our results to the online conformal setting, propose several refinements in settings where additional structure is available, and demonstrate its effectiveness through experiments.
• 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、配布不要のフレームワークを提供する。 実際には、異なるモデルや方法論から生じる複数の有効な共形予測セットが利用可能である。 しかし、最小の集合のような最も望ましい集合を選択することは、カバレッジ保証を無効にすることができる。 この課題に対処するため、我々は、選択した予測セットのカバレッジを保証する安定性に基づくアプローチを提案する。 実験の結果をオンライン・コンフォメーション・セッティングに拡張し、追加構造が利用できる環境でのいくつかの改良を提案し、実験を通してその効果を実証する。

関連論文リスト

• Adaptive Temperature Scaling with Conformal Prediction [47.51764759462074]
  本稿では,共形予測集合の要素にキャリブレーションされた確率を割り当てる最初の手法を提案する。 本手法では,適応キャリブレーション問題として,所望のカバレッジレベルに適合する入力固有温度パラメータを選択する。
  論文  参考訳（メタデータ） (2025-05-21T12:18:15Z)
• 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)
• Multi-model Ensemble Conformal Prediction in Dynamic Environments [14.188004615463742]
  本稿では,複数の候補モデルから予測セットを作成するために使用されるモデルを選択する適応型共形予測フレームワークを提案する。 提案アルゴリズムは, 有効なカバレッジを維持しつつ, 全区間にわたる強い適応的後悔を達成できることが証明された。
  論文  参考訳（メタデータ） (2024-11-06T05:57:28Z)
• 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)
• Conformal Prediction for Ensembles: Improving Efficiency via Score-Based Aggregation [18.928543069018865]
  等角予測は分布仮定を避ける一つの方法である。 しかし、予測領域をマージすることで、コンフォメーションスコアに存在する構造が犠牲になり、保守性はさらに低下する。 そこで本研究では,新しいフレームワークを分類と予測列最適化の両方で効果的に活用できることを述べる。
  論文  参考訳（メタデータ） (2024-05-25T14:11:01Z)
• Confidence on the Focal: Conformal Prediction with Selection-Conditional Coverage [6.010965256037659]
  コンフォーマル予測は、ランダムに描画されたテストポイントの未知の結果をカバーする、わずかに有効な予測間隔を構築する。 実際には、データ駆動手法は興味のある特定のテストユニットを特定するためにしばしば使用される。 本稿では,有限サンプルの正確なカバレッジを持つ予測セットを構築するための一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-06T17:18:24Z)

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。