論文の概要: SpeedCP: Fast Kernel-based Conditional Conformal Prediction

• arxiv url: http://arxiv.org/abs/2509.24100v1
• Date: Sun, 28 Sep 2025 22:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.631888
• Title: SpeedCP: Fast Kernel-based Conditional Conformal Prediction
• Title（参考訳）: SpeedCP:高速カーネルベースの条件整形予測
• Authors: Yeo Jin Jung, Yating Liu, Zixuan Wu, So Won Jeong, Claire Donnat,
• Abstract要約: 等角予測は有限サンプル条件付き分布自由予測セットを提供する。 我々は,RKHSをベースとしたGibsら(2023)のフレームワークを構築し,近似条件等角予測区間を提供する。 我々は,正則化RKHS整合最適化問題の完全な解経路を計算する,安定かつ効率的なアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 10.431187957711206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal prediction provides distribution-free prediction sets with finite-sample conditional guarantees. We build upon the RKHS-based framework of Gibbs et al. (2023), which leverages families of covariate shifts to provide approximate conditional conformal prediction intervals, an approach with strong theoretical promise, but with prohibitive computational cost. To bridge this gap, we develop a stable and efficient algorithm that computes the full solution path of the regularized RKHS conformal optimization problem, at essentially the same cost as a single kernel quantile fit. Our path-tracing framework simultaneously tunes hyperparameters, providing smoothness control and data-adaptive calibration. To extend the method to high-dimensional settings, we further integrate our approach with low-rank latent embeddings that capture conditional validity in a data-driven latent space. Empirically, our method provides reliable conditional coverage across a variety of modern black-box predictors, improving the interval length of Gibbs et al. (2023) by 30%, while achieving a 40-fold speedup.
• Abstract（参考訳）: 等角予測は有限サンプル条件付き分布自由予測セットを提供する。 我々は,RKHSをベースとしたGibs et al (2023) のフレームワークを構築し,共変量シフトの族を利用して,近似条件等角予測区間を提供する。 このギャップを埋めるため,正則化 RKHS 共役最適化問題の完全な解経路を,基本的に1つのカーネル量子化に適合するコストで計算する,安定かつ効率的なアルゴリズムを開発した。 我々の経路追跡フレームワークは同時にハイパーパラメータを調整し、スムーズな制御とデータ適応キャリブレーションを提供する。 提案手法を高次元設定に拡張するために,データ駆動型潜伏空間における条件付き妥当性を捉える低ランク潜伏埋め込みと,我々のアプローチをさらに統合する。 実験的な手法として,現代のブラックボックス予測器にまたがる信頼性の高い条件付きカバレッジを提供し,Gibs et al (2023) の間隔長を30%改善し,40倍の高速化を実現した。

関連論文リスト

• Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
  本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。 本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
  論文  参考訳（メタデータ） (2025-02-22T19:54:14Z)
• Distributed Conformal Prediction via Message Passing [33.306901198295016]
  Conformal Prediction (CP)は、堅牢なポストホックキャリブレーションフレームワークを提供する。 CPによる信頼性推論を実現するために,メッセージパスに基づく2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-24T14:47:42Z)
• Conformal Thresholded Intervals for Efficient Regression [9.559062601251464]
  Conformal Thresholded Intervals (CTI) は、カバー範囲が保証された最小限の予測セットを生成することを目的とした、新しいコンフォメーション回帰手法である。 CTIは、その長さに基づいて推定された条件間間隔をしきい値にすることで予測セットを構築する。 CTIは、様々なデータセットにわたる最先端のコンフォメーション回帰手法よりも優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-07-19T17:47:08Z)
• 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)
• Kernel-based Optimally Weighted Conformal Prediction Intervals [12.814084012624916]
  カーネルを用いた最適重み付き等角予測区間(KOWCPI)を提案する。 KOWCPIは古典的なReweighted Nadaraya-Watson (RNW) 推定器を従属データに対する量子回帰に適応させ、最適なデータ適応重みを学習する。 実時間および合成時系列データに対するKOWCPIの性能を最先端の手法と比較した。
  論文  参考訳（メタデータ） (2024-05-27T04:49:41Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)

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。