論文の概要: Singleton-Optimized Conformal Prediction

• arxiv url: http://arxiv.org/abs/2509.24095v1
• Date: Sun, 28 Sep 2025 22:20:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.628397
• Title: Singleton-Optimized Conformal Prediction
• Title（参考訳）: シングルトン最適化コンフォーマル予測
• Authors: Tao Wang, Yan Sun, Edgar Dobriban,
• Abstract要約: コンフォーマル予測は、真の結果を所望の確率でカバーする単一の予測セットを構築するのに使うことができる。 あいまいさを最小化することを目的とした,新たな非指向スコアを提案する。 非整合集合を生成する平均確率。
• 参考スコア（独自算出の注目度）: 20.966568503308213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conformal prediction can be used to construct prediction sets that cover the true outcome with a desired probability, but can sometimes lead to large prediction sets that are costly in practice. The most useful outcome is a singleton prediction-an unambiguous decision-yet existing efficiency-oriented methods primarily optimize average set size. Motivated by this, we propose a new nonconformity score that aims to minimize the probability of producing non-singleton sets. Starting from a non-convex constrained optimization problem as a motivation, we provide a geometric reformulation and associated algorithm for computing the nonconformity score and associated split conformal prediction sets in O(K) time for K-class problems. Using this score in split conformal prediction leads to our proposed Singleton-Optimized Conformal Prediction (SOCOP) method. We evaluate our method in experiments on image classification and LLM multiple-choice question-answering, comparing with standard nonconformity scores such as the (negative) label probability estimates and their cumulative distribution function; both of which are motivated by optimizing length. The results show that SOCOP increases singleton frequency (sometimes by over 20%) compared to the above scores, with minimal impact on average set size.
• Abstract（参考訳）: コンフォーマル予測は、真の結果を望ましい確率でカバーする予測セットを構築するために用いられるが、実際にコストがかかる大きな予測セットにつながることもある。 最も有用な結果は、平均セットサイズを最適化する既存の効率指向の手法であるシングルトン予測(unambiguous decision-yet)である。 そこで本研究では,非シングルトン集合の生成確率を最小化することを目的とした,新しい非整合性スコアを提案する。 非凸制約最適化問題からモチベーションとして、Kクラス問題のO(K)時間における非凸性スコアと関連する分割共形予測セットを演算するための幾何学的再構成および関連するアルゴリズムを提供する。 このスコアを分割共形予測に使用すると、提案手法であるSingleton-Optimized Conformal Prediction (SOCOP) が導かれる。 我々は,画像分類とLCM多重探索実験において,ラベルの確率推定値や累積分布関数などの標準的非整合性スコアと比較した。 以上の結果より,SOCOPは平均セットサイズに最小限の影響を伴ってシングルトン周波数(時には20%以上)を増加させることがわかった。

関連論文リスト

• Minimum Volume Conformal Sets for Multivariate Regression [44.99833362998488]
  等角予測は、有限サンプルの妥当性を持つ予測集合を構築するための原則化された枠組みを提供する。 本稿では,最小整合被覆集合を直接学習する新しい損失関数に基づく最適化駆動フレームワークを提案する。 提案手法は, 任意のノルム球によって定義された予測集合を最適化し, 単ノルムおよび多ノルムの定式化を含む。
  論文  参考訳（メタデータ） (2025-03-24T18:54:22Z)
• Volume Optimality in Conformal Prediction with Structured Prediction Sets [22.923139209762788]
  コンフォーマル予測(Conformal Prediction)は、将来の観測の予測セットを構築するための、広く研究されている手法である。 まず、任意の分布自由法が自明な解しか見つからないような体積最適性の不可能性を証明する。 次に、ある集合に属する予測集合を制限することにより、体積最適性という新しい概念を導入する。
  論文  参考訳（メタデータ） (2025-02-23T17:31:33Z)
• 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)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Generative Conformal Prediction with Vectorized Non-Conformity Scores [6.059745771017814]
  コンフォーマル予測は、保証されたカバレッジでモデルに依存しない不確実性定量化を提供する。 ベクトル化された非整合性スコアを持つ生成共形予測フレームワークを提案する。 我々は密度ランクの不確かさ球を用いた適応不確かさ集合を構築する。
  論文  参考訳（メタデータ） (2024-10-17T16:37:03Z)
• Post-Selection Confidence Bounds for Prediction Performance [2.28438857884398]
  機械学習では、潜在的に多くの競合モデルから有望なモデルを選択し、その一般化性能を評価することが重要な課題である。 本稿では,評価セットの予測性能に基づいて選択された複数のモデルに対して,有効な低信頼境界を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-24T13:28:43Z)
• Boost Test-Time Performance with Closed-Loop Inference [85.43516360332646]
  そこで本研究では,モデル性能を高めるために,ループ方式でハードクラス化試験サンプルを予測することを提案する。 まず、追加の推論ループを必要とするハードクラス化テストサンプルを識別するためにフィルタリング基準を考案する。 各ハードサンプルに対して、モデルのキャリブレーションを行うために、元の上位$K$予測に基づいて補助学習タスクを構築する。
  論文  参考訳（メタデータ） (2022-03-21T10:20:21Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)

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。