論文の概要: Fast Conformal Prediction using Conditional Interquantile Intervals

• arxiv url: http://arxiv.org/abs/2601.02769v1
• Date: Tue, 06 Jan 2026 07:01:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.840307
• Title: Fast Conformal Prediction using Conditional Interquantile Intervals
• Title（参考訳）: 条件付き周波数インターバルを用いた高速等角予測
• Authors: Naixin Guo, Rui Luo, Zhixin Zhou,
• Abstract要約: 本稿では, ほぼ最小の予測区間を構成する共形回帰法であるCIR(Conformal Interquantile Regression)を導入する。 また、周波数間隔の幅に基づく選択規則を組み込んだCIR+を提案する。
• 参考スコア（独自算出の注目度）: 9.881784717196675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Conformal Interquantile Regression (CIR), a conformal regression method that efficiently constructs near-minimal prediction intervals with guaranteed coverage. CIR leverages black-box machine learning models to estimate outcome distributions through interquantile ranges, transforming these estimates into compact prediction intervals while achieving approximate conditional coverage. We further propose CIR+ (Conditional Interquantile Regression with More Comparison), which enhances CIR by incorporating a width-based selection rule for interquantile intervals. This refinement yields narrower prediction intervals while maintaining comparable coverage, though at the cost of slightly increased computational time. Both methods address key limitations of existing distributional conformal prediction approaches: they handle skewed distributions more effectively than Conformalized Quantile Regression, and they achieve substantially higher computational efficiency than Conformal Histogram Regression by eliminating the need for histogram construction. Extensive experiments on synthetic and real-world datasets demonstrate that our methods optimally balance predictive accuracy and computational efficiency compared to existing approaches.
• Abstract（参考訳）: コンフォーマル・インタークエンタイル回帰(CIR, Conformal Interquantile Regression)は, ほぼ最小の予測区間を効率よく構築し, カバー範囲を保証できるコンフォーマル回帰法である。 CIRは、ブラックボックス機械学習モデルを活用して、中間領域で結果の分布を推定し、近似条件付きカバレッジを達成しながら、これらの推定値をコンパクトな予測間隔に変換する。 さらに,CIR+(Conditional Interquantile Regression with More Comparison)を提案する。 この改良は、計算時間をわずかに増加させながら、同等のカバレッジを維持しながら予測間隔を狭める。 どちらの手法も既存の分布共形予測手法の鍵となる限界に対処する: 共形量子回帰よりもスキュー分布を効果的に処理し、ヒストグラム構築の必要性を排除して、共形ヒストグラム回帰よりも計算効率が大幅に向上する。 合成および実世界のデータセットに関する大規模な実験により、我々の手法は既存の手法と比較して予測精度と計算効率を最適にバランスしていることが示されている。

関連論文リスト

• Distribution-informed Online Conformal Prediction [53.674678995825666]
  更新ルールに基礎となるデータパターンを組み込んだオンラインコンフォメーション予測アルゴリズムである Conformal Optimistic Prediction (COP) を提案する。 COPは予測可能なパターンが存在する場合により厳密な予測セットを生成し、見積もりが不正確な場合でも有効なカバレッジ保証を保持する。 我々は,COPが有効なカバレッジを実現し,他のベースラインよりも短い予測間隔を構築できることを証明した。
  論文  参考訳（メタデータ） (2025-12-08T17:51:49Z)
• ResCP: Reservoir Conformal Prediction for Time Series Forecasting [39.81023599249223]
  コンフォーマル予測は、交換可能なデータに対して、分散のない予測間隔を構築するための強力なフレームワークを提供する。 本稿では,Reservoir Conformal Prediction (ResCP)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:37:44Z)
• 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)
• Building Conformal Prediction Intervals with Approximate Message Passing [14.951392270119461]
  等角予測は、分布のない方法で有効な予測間隔を構築するための強力なツールである。 本稿では,予測間隔の計算を高速化するために,AMP(Adroximate Message Passing)に基づく新しいアルゴリズムを提案する。 提案手法では,基準値に近い予測間隔が生成され,精度は桁違いに向上した。
  論文  参考訳（メタデータ） (2024-10-21T20:34:33Z)
• 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)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Conformal histogram regression [15.153110906331737]
  本稿では,スキューデータに自動的に適応可能な非パラメトリック回帰の予測間隔を計算するためのコンフォメーション手法を提案する。 ブラックボックス機械学習アルゴリズムを活用して、その出力を近似条件付きの最短予測間隔に変換する。 得られた予測間隔は、ブラックボックスモデルが一貫性のある場合、条件付きカバレッジと最適な長さを達成しながら、有限サンプルにおいて確実に限界カバレッジを有する。
  論文  参考訳（メタデータ） (2021-05-18T18:05:02Z)

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。