論文の概要: Probabilistic Conformal Coverage Guarantees in Small-Data Settings

• arxiv url: http://arxiv.org/abs/2509.15349v1
• Date: Thu, 18 Sep 2025 18:41:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.870201
• Title: Probabilistic Conformal Coverage Guarantees in Small-Data Settings
• Title（参考訳）: 小型データ環境における確率的等角被覆保証
• Authors: Petrus H. Zwart,
• Abstract要約: 等角予測は、周縁被覆が保証された分布自由予測セットを提供する。 分割共形予測では、この保証はトレーニング条件でのみ期待される。 この分散は、実用的な応用において効果的なリスク制御を損なう。
• 参考スコア（独自算出の注目度）: 0.02648566468224904
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Conformal prediction provides distribution-free prediction sets with guaranteed marginal coverage. However, in split conformal prediction this guarantee is training-conditional only in expectation: across many calibration draws, the average coverage equals the nominal level, but the realized coverage for a single calibration set may vary substantially. This variance undermines effective risk control in practical applications. Here we introduce the Small Sample Beta Correction (SSBC), a plug-and-play adjustment to the conformal significance level that leverages the exact finite-sample distribution of conformal coverage to provide probabilistic guarantees, ensuring that with user-defined probability over the calibration draw, the deployed predictor achieves at least the desired coverage.
• Abstract（参考訳）: 等角予測は、周縁被覆が保証された分布自由予測セットを提供する。 しかし、分割整合予測では、この保証はトレーニング条件のみであり、多くのキャリブレーションドローにおいて、平均カバレッジは名目レベルに等しいが、単一のキャリブレーションセットの実際のカバレッジは、かなり異なる可能性がある。 この分散は、実用的な応用において効果的なリスク制御を損なう。 ここでは,コンホメーションの正確な有限サンプル分布を利用して,キャリブレーションドローよりもユーザが定義した確率で,デプロイされた予測器が少なくとも所望のカバレッジを達成することを保証するための,コンホメーションレベルのプラグアンドプレイ調整であるSmall Sample Beta Correction(SSBC)を紹介する。

関連論文リスト

• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• 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)
• Sparse Activations as Conformal Predictors [19.298282860984116]
  共形予測と疎ソフトマックス様変換の新たな関連性を見いだす。 本研究では, キャリブレーションプロセスが広く使用されている温度スケーリング法に対応するように, 分類のための新しい非整合性スコアを導入する。 提案手法は, 適用範囲, 効率, 適応性の観点から, 競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-02-20T17:53:41Z)
• 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)
• 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)

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。