論文の概要: Non-Asymptotic Analysis of Efficiency in Conformalized Regression

• arxiv url: http://arxiv.org/abs/2510.07093v1
• Date: Wed, 08 Oct 2025 14:50:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.573013
• Title: Non-Asymptotic Analysis of Efficiency in Conformalized Regression
• Title（参考訳）: コンフォーマル化回帰における非漸近解析
• Authors: Yunzhen Yao, Lie He, Michael Gastpar,
• Abstract要約: 我々は,SGDを用いてトレーニングされた共形量子化および中央値回帰のためのオラクル間隔長からの予測セット長のずれに関する非漸近的境界を確立する。 その結果, 収束速度の位相遷移を$alpha$の異なる規則で同定し, 余剰予測セット長を制御するためにデータを割り当てるためのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 17.873283539065387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conformal prediction provides prediction sets with coverage guarantees. The informativeness of conformal prediction depends on its efficiency, typically quantified by the expected size of the prediction set. Prior work on the efficiency of conformalized regression commonly treats the miscoverage level $\alpha$ as a fixed constant. In this work, we establish non-asymptotic bounds on the deviation of the prediction set length from the oracle interval length for conformalized quantile and median regression trained via SGD, under mild assumptions on the data distribution. Our bounds of order $\mathcal{O}(1/\sqrt{n} + 1/(\alpha^2 n) + 1/\sqrt{m} + \exp(-\alpha^2 m))$ capture the joint dependence of efficiency on the proper training set size $n$, the calibration set size $m$, and the miscoverage level $\alpha$. The results identify phase transitions in convergence rates across different regimes of $\alpha$, offering guidance for allocating data to control excess prediction set length. Empirical results are consistent with our theoretical findings.
• Abstract（参考訳）: コンフォーマル予測は、カバレッジを保証する予測セットを提供する。 共形予測の有意性は、予測セットの期待サイズによって定量化される、その効率に依存する。 共形回帰の効率に関する以前の研究は、通常、誤発見レベル $\alpha$ を固定定数として扱う。 本研究は,SGDを用いて学習した等角化量子および中央値回帰のためのオラクル間隔長からの予測セット長の偏差に関する非漸近境界を,データ分布の軽度な仮定の下で確立する。 位数 $\mathcal{O}(1/\sqrt{n} + 1/(\alpha^2) の境界 n) + 1/\sqrt{m} + \exp(-\alpha^2 m))$は、適切なトレーニングセットサイズ$n$、キャリブレーションセットサイズ$m$、誤発見レベル$\alpha$に対する効率の合同依存性をキャプチャする。 結果は,データ割当による過剰な予測セット長の制御を行うためのガイダンスとして,$\alpha$の異なるレギュラー間の収束率の位相遷移を同定した。 実験結果は理論的な結果と一致している。

関連論文リスト

• Backward Conformal Prediction [49.1574468325115]
  我々は、予測セットのサイズを柔軟に制御しながら、コンフォーマルカバレッジを保証するメソッドである$textitBackward Conformal Prediction$を紹介した。 提案手法は,観測データに基づいて,予測セットサイズがどう振る舞うかを制約するルールを定義し,それに応じてカバレッジレベルを適応させる。 このアプローチは、医療診断のような大きな予測セットが実用的でないアプリケーションで特に有用である。
  論文  参考訳（メタデータ） (2025-05-19T21:08:14Z)
• 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)
• 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)
• Nearest Neighbor Sampling for Covariate Shift Adaptation [7.940293148084844]
  重みを推定しない新しい共変量シフト適応法を提案する。 基本的な考え方は、ソースデータセットの$k$-nearestの隣人によってラベル付けされたラベル付けされていないターゲットデータを直接扱うことだ。 実験の結果, 走行時間を大幅に短縮できることがわかった。
  論文  参考訳（メタデータ） (2023-12-15T17:28:09Z)
• TIC-TAC: A Framework for Improved Covariance Estimation in Deep Heteroscedastic Regression [109.69084997173196]
  奥行き回帰は、予測分布の平均と共分散を負の対数類似度を用いて共同最適化する。 近年の研究では, 共分散推定に伴う課題により, 準最適収束が生じる可能性が示唆されている。 1)予測共分散は予測平均のランダム性を真に捉えているか? その結果, TICは共分散を正確に学習するだけでなく, 負の対数類似性の収束性の向上も促進することがわかった。
  論文  参考訳（メタデータ） (2023-10-29T09:54:03Z)
• Generalized equivalences between subsampling and ridge regularization [3.1346887720803505]
  アンサンブルリッジ推定器におけるサブサンプリングとリッジ正則化の間の構造的およびリスク等価性を証明した。 我々の同値性の間接的な意味は、最適に調整されたリッジ回帰は、データアスペクト比において単調な予測リスクを示すことである。
  論文  参考訳（メタデータ） (2023-05-29T14:05:51Z)
• Towards Instance-Wise Calibration: Local Amortized Diagnostics and Reshaping of Conditional Densities (LADaR) [3.314305548809844]
  本稿では,LADaR(Local Amortized Diagnostics and Reshaping of Conditional Densities)フレームワークを紹介する。 解釈可能な局所診断を生成し、条件密度推定を調整するメカニズムを提供する。 我々の主な科学応用は、測光データから得られる銀河距離の確率密度関数を推定することである。
  論文  参考訳（メタデータ） (2022-05-29T03:52:44Z)
• Stable Conformal Prediction Sets [0.0]
  同型予測は、$y_n+1$$$x_n+1$の信頼セットを推定できる方法論である。 魅力的である一方、そのような集合の計算は一般に不可能であることが判明した。 共形予測手法をアルゴリズム的安定性境界と組み合わせて、単一のモデルに適合する計算可能な予測セットを導出する。
  論文  参考訳（メタデータ） (2021-12-19T18:53:32Z)
• Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
  ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。 そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
  論文  参考訳（メタデータ） (2021-08-25T21:30:27Z)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)

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。