論文の概要: Conformalized Regression for Continuous Bounded Outcomes

• arxiv url: http://arxiv.org/abs/2507.14023v1
• Date: Fri, 18 Jul 2025 15:51:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-21 20:43:26.344127
• Title: Conformalized Regression for Continuous Bounded Outcomes
• Title（参考訳）: 連続境界出力に対する等角化回帰
• Authors: Zhanli Wu, Fabrizio Leisen, F. Javier Rubio,
• Abstract要約: 境界付き連続的な結果の回帰問題は、実世界の統計学や機械学習の応用においてしばしば発生する。 既存の統計学および機械学習の文献の多くは、境界値の点予測や近似に基づく区間予測に重点を置いている。 我々は変換モデルとベータ回帰に基づく有界な結果に対する共形予測区間を開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regression problems with bounded continuous outcomes frequently arise in real-world statistical and machine learning applications, such as the analysis of rates and proportions. A central challenge in this setting is predicting a response associated with a new covariate value. Most of the existing statistical and machine learning literature has focused either on point prediction of bounded outcomes or on interval prediction based on asymptotic approximations. We develop conformal prediction intervals for bounded outcomes based on transformation models and beta regression. We introduce tailored non-conformity measures based on residuals that are aligned with the underlying models, and account for the inherent heteroscedasticity in regression settings with bounded outcomes. We present a theoretical result on asymptotic marginal and conditional validity in the context of full conformal prediction, which remains valid under model misspecification. For split conformal prediction, we provide an empirical coverage analysis based on a comprehensive simulation study. The simulation study demonstrates that both methods provide valid finite-sample predictive coverage, including settings with model misspecification. Finally, we demonstrate the practical performance of the proposed conformal prediction intervals on real data and compare them with bootstrap-based alternatives.
• Abstract（参考訳）: 境界付き連続結果の回帰問題は、確率と比率の分析のような実世界の統計学および機械学習の応用でしばしば発生する。 この設定における中心的な課題は、新しい共変量に関する応答を予測することである。 既存の統計学および機械学習の文献の多くは、境界値の点予測や漸近近似に基づく区間予測に重点を置いている。 我々は変換モデルとベータ回帰に基づく有界な結果に対する共形予測区間を開発する。 本稿では,基礎となるモデルに整合した残差に基づいて,非整合度を調整し,非整合性を考慮した回帰設定の非整合性について考察する。 本論では, モデル不特定の下でも有効である完全共形予測の文脈において, 漸近的境界値と条件値の妥当性に関する理論的結果を示す。 分割共形予測では,包括的シミュレーション研究に基づく経験的カバレッジ分析を行う。 シミュレーション研究は、どちらの手法もモデル不特定性のある設定を含む、有効な有限サンプル予測カバレッジを提供することを示した。 最後に,提案した共形予測間隔を実データ上で実演し,ブートストラップに基づく代替手法と比較する。

関連論文リスト

• Pre-validation Revisited [79.92204034170092]
  シミュレーションと応用による予測,推測,誤差推定における事前検証の特性と利点を示す。 そこで本研究では, あるモデル下での事前検証予測のためのテスト統計量の解析的分布だけでなく, 推論を行うための一般的なブートストラップ手順も提案する。
  論文  参考訳（メタデータ） (2025-05-21T00:20:14Z)
• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• Progression: an extrapolation principle for regression [0.0]
  本稿では,新しい統計外挿原理を提案する。 これは、予測器とトレーニング予測器のサンプルの境界における応答との単純な関係を仮定する。 我々の半パラメトリック法である進行法は、この外挿原理を活用し、トレーニングデータ範囲を超えた近似誤差の保証を提供する。
  論文  参考訳（メタデータ） (2024-10-30T17:29:51Z)
• 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)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Conditional validity of heteroskedastic conformal regression [12.905195278168506]
  等角予測と分割等角予測は、統計的保証付き予測間隔を推定するための分布自由なアプローチを提供する。 近年の研究では、分割共形予測は、限界被覆に着目した場合、最先端の予測間隔を生み出すことが示されている。 本稿では,正規化やモンドリアン等式予測などの手法を用いて,予測間隔の構築方法について,新たな光を当てることを試みる。
  論文  参考訳（メタデータ） (2023-09-15T11:10:46Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Conformal Prediction with Missing Values [19.18178194789968]
  まず,共形予測の限界カバレッジ保証が,不一致分布のインプットデータに当てはまることを示す。 次に、インプットされたデータに基づいてトレーニングされた普遍的に一貫した量子レグレッションアルゴリズムが、ピンボールリスクに対してベイズ最適であることを示す。
  論文  参考訳（メタデータ） (2023-06-05T09:28:03Z)
• Distribution-Free Finite-Sample Guarantees and Split Conformal Prediction [0.0]
  分割共形予測は、最小分布自由仮定の下で有限サンプル保証を得るための有望な道を表す。 1940年代に開発された分割共形予測と古典的寛容予測との関連性を強調した。
  論文  参考訳（メタデータ） (2022-10-26T14:12:24Z)
• Conformal histogram regression [15.153110906331737]
  本稿では,スキューデータに自動的に適応可能な非パラメトリック回帰の予測間隔を計算するためのコンフォメーション手法を提案する。 ブラックボックス機械学習アルゴリズムを活用して、その出力を近似条件付きの最短予測間隔に変換する。 得られた予測間隔は、ブラックボックスモデルが一貫性のある場合、条件付きカバレッジと最適な長さを達成しながら、有限サンプルにおいて確実に限界カバレッジを有する。
  論文  参考訳（メタデータ） (2021-05-18T18:05:02Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

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。