論文の概要: Extending Prediction-Powered Inference through Conformal Prediction

• arxiv url: http://arxiv.org/abs/2510.16166v1
• Date: Fri, 17 Oct 2025 19:09:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.880765
• Title: Extending Prediction-Powered Inference through Conformal Prediction
• Title（参考訳）: 等角予測による予測駆動推論の拡張
• Authors: Daniel Csillag, Pedro Dall'Antonia, Claudio José Struchiner, Guilherme Tegoni Goedert,
• Abstract要約: 多くのアプリケーションは、継続的な分散シフトの下での、プライバシー、堅牢性、妥当性などの有効な推論以外に、強い特性を必要とする。 我々は、予測駆動推論と共形予測を結びつけることでこの問題を解決する。 我々は、e値とe値に基づく手順と同様に、手段、Z、M推定の手順をインスタンス化する。
• 参考スコア（独自算出の注目度）: 2.7532313761753713
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prediction-powered inference is a recent methodology for the safe use of black-box ML models to impute missing data, strengthening inference of statistical parameters. However, many applications require strong properties besides valid inference, such as privacy, robustness or validity under continuous distribution shifts; deriving prediction-powered methods with such guarantees is generally an arduous process, and has to be done case by case. In this paper, we resolve this issue by connecting prediction-powered inference with conformal prediction: by performing imputation through a calibrated conformal set-predictor, we attain validity while achieving additional guarantees in a natural manner. We instantiate our procedure for the inference of means, Z- and M-estimation, as well as e-values and e-value-based procedures. Furthermore, in the case of e-values, ours is the first general prediction-powered procedure that operates off-line. We demonstrate these advantages by applying our method on private and time-series data. Both tasks are nontrivial within the standard prediction-powered framework but become natural under our method.
• Abstract（参考訳）: 予測を用いた推論は、ブラックボックスMLモデルを使用して、欠落したデータをインプットし、統計的パラメータの推論を強化するための最近の手法である。 しかし、多くのアプリケーションは、連続的な分散シフトの下でのプライバシー、堅牢性、妥当性など、有効な推論以外の強力な特性を必要とする。 本稿では, 予測駆動推論と共形予測を結びつけることでこの問題を解決し, キャリブレーションされた共形集合予測器を通した計算を行うことにより, 自然な方法で追加保証を達成しつつ, 有効性を実現する。 我々は、e値とe値に基づく手順と同様に、手段、Z、M推定の手順をインスタンス化する。 さらに,e値の場合,本手法はオフラインで動作させる最初の一般予測方式である。 提案手法をプライベートおよび時系列データに適用することにより,これらの利点を実証する。 どちらのタスクも、標準的な予測駆動フレームワークでは非自明であるが、我々の手法では自然になる。

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)
• Prediction-Powered E-Values [0.66567375919026]
  予測型推論のアイデアをe-valueに適用する。 e-values でフレーム化できるすべての推論手順には予測機能があることを示す。 私たちのアプローチはモジュール化されており、既存のアルゴリズムに簡単に統合できます。
  論文  参考訳（メタデータ） (2025-02-06T18:36:01Z)
• Online scalable Gaussian processes with conformal prediction for guaranteed coverage [32.21093722162573]
  結果として生じる不確実な値の整合性は、学習関数がGPモデルで指定された特性に従うという前提に基づいている。 提案するGPは,分散のない後処理フレームワークである共形予測(CP)を用いて,有意なカバレッジで予測セットを生成する。
  論文  参考訳（メタデータ） (2024-10-07T19:22:15Z)
• Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• Beyond Conformal Predictors: Adaptive Conformal Inference with Confidence Predictors [1.3812010983144802]
  本研究は,適応整形推論(ACI)の望ましい性質が整形予測器(CP)の使用を必要としないことを示す。 非互換信頼予測器(NCCP)の非交換データに対するACI使用時のCPに対する性能を実証的に検討した。
  論文  参考訳（メタデータ） (2024-09-23T21:02:33Z)
• 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。