Fugu-MT 論文翻訳(概要): Approximate full conformal prediction in RKHS

論文の概要: Approximate full conformal prediction in RKHS

arxiv url: http://arxiv.org/abs/2601.13102v1
Date: Mon, 19 Jan 2026 14:40:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-21 22:47:22.93086
Title: Approximate full conformal prediction in RKHS
Title（参考訳）: RKHSにおける近似完全共形予測
Authors: Davidson Lova Razafindrakoto, Alain Celisse, Jérôme Lacaille,
Abstract要約: 完全共形予測は、広範囲の推定器に対して分布自由な信頼性予測領域を暗黙的に定式化するフレームワークである。本研究の主な目的は、効率よく計算できる完全共形予測領域に厳密な近似を設計するための一般的な戦略を記述することである。
参考スコア（独自算出の注目度）: 1.2234742322758416
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Full conformal prediction is a framework that implicitly formulates distribution-free confidence prediction regions for a wide range of estimators. However, a classical limitation of the full conformal framework is the computation of the confidence prediction regions, which is usually impossible since it requires training infinitely many estimators (for real-valued prediction for instance). The main purpose of the present work is to describe a generic strategy for designing a tight approximation to the full conformal prediction region that can be efficiently computed. Along with this approximate confidence region, a theoretical quantification of the tightness of this approximation is developed, depending on the smoothness assumptions on the loss and score functions. The new notion of thickness is introduced for quantifying the discrepancy between the approximate confidence region and the full conformal one.
Abstract（参考訳）: 完全共形予測は、広範囲の推定器に対して分布自由な信頼性予測領域を暗黙的に定式化するフレームワークである。しかし、完全共形フレームワークの古典的な制限は、信頼予測領域の計算であり、これは通常、無限に多くの推定器(例えば実数値予測)を訓練する必要があるため不可能である。本研究の主な目的は、効率よく計算できる完全共形予測領域に厳密な近似を設計するための一般的な戦略を記述することである。この近似信頼領域とともに、損失とスコア関数の滑らかさの仮定に応じて、近似の厳密性の理論的定量化が展開される。新しい厚みの概念は、近似信頼領域と完全共形領域との差を定量化するために導入された。

関連論文リスト

Flow-Based Conformal Predictive Distributions [1.2691047660244335]
微分可能な非整合性スコアは、軌道が対応する共形予測集合の境界に収束する出力空間上の決定論的フローを誘導することを示す。これにより、任意の次元の共形境界をサンプリングする計算効率が良く、トレーニング不要な手法が導かれる。我々は, PDE逆問題, 降水ダウンスケーリング, 気候モデルデバイアス, ハリケーン軌道予測に対するアプローチを評価する。
論文参考訳（メタデータ） (2026-02-07T17:26:50Z)
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)
JAPAN: Joint Adaptive Prediction Areas with Normalising-Flows [7.200880964149064]
コンフォーマル予測は、有限サンプルの妥当性を保証する不確実性定量化のためのモデルに依存しないフレームワークを提供する。既存のアプローチは通常、幾何的制約を課す残差ベースの整合性スコアに依存する。本稿では,密度に基づく適合度スコアを用いた共形予測フレームワークである日本(Joint Adaptive Prediction Areas with Normalising-Flows)を紹介する。
論文参考訳（メタデータ） (2025-05-29T07:34:51Z)
E-Values Expand the Scope of Conformal Prediction [49.1574468325115]
コンフォーマル予測は、分布のない不確実性定量化のための強力なフレームワークである。本稿では,共形e-predictionと呼ばれる電子値に基づく代替手法について検討する。 E値は、p値では達成できない重要な利点を提供し、新しい理論的および実用的能力を実現する。
論文参考訳（メタデータ） (2025-03-17T10:54:30Z)
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)
Bin-Conditional Conformal Prediction of Fatalities from Armed Conflict [0.5312303275762104]
ユーザ定義サブセット間の一貫したカバレッジ率を確保することにより、標準コンフォメーション予測を強化するビン条件コンフォメーション予測(BCCP)を導入する。標準共形予測と比較すると、BCCPは局所的カバレッジを改善するが、これはわずかに広い予測間隔のコストがかかる。
論文参考訳（メタデータ） (2024-10-18T14:41:42Z)
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)
Conformal Prediction for Ensembles: Improving Efficiency via Score-Based Aggregation [18.928543069018865]
等角予測は分布仮定を避ける一つの方法である。しかし、予測領域をマージすることで、コンフォメーションスコアに存在する構造が犠牲になり、保守性はさらに低下する。そこで本研究では,新しいフレームワークを分類と予測列最適化の両方で効果的に活用できることを述べる。
論文参考訳（メタデータ） (2024-05-25T14:11:01Z)
On the Expected Size of Conformal Prediction Sets [24.161372736642157]
分割共形予測フレームワークを用いて,予測セットの予測サイズを理論的に定量化する。この正確な定式化は通常直接計算できないので、点推定と高確率境界間隔を導出する。回帰と分類の両問題に対する実世界のデータセットを用いた実験により,結果の有効性を裏付ける。
論文参考訳（メタデータ） (2023-06-12T17:22:57Z)
Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文参考訳（メタデータ） (2022-10-01T02:57:37Z)
Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文参考訳（メタデータ） (2021-10-13T01:23:48Z)

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。