論文の概要: ST-BCP: Tightening Coverage Bound for Backward Conformal Prediction via Non-Conformity Score Transformation

• arxiv url: http://arxiv.org/abs/2602.01733v1
• Date: Mon, 02 Feb 2026 07:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.969405
• Title: ST-BCP: Tightening Coverage Bound for Backward Conformal Prediction via Non-Conformity Score Transformation
• Title（参考訳）: ST-BCP:非整合スコア変換による後方整形予測のための強調被覆境界
• Authors: Junxian Liu, Hao Zeng, Hongxin Wei,
• Abstract要約: コンフォーマル予測(CP)は、カバレッジ保証付き予測セットを構成する不確実性定量化のための統計フレームワークを提供する。 BCPはこのパラダイムを逆転させ、セットサイズに事前定義された上限を強制し、その結果のカバレッジ保証を推定する。 本稿では,非整合性スコアのデータ依存変換を導入し,カバレッジギャップを狭める新しい方法ST-BCPを紹介する。
• 参考スコア（独自算出の注目度）: 18.272247805086284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal Prediction (CP) provides a statistical framework for uncertainty quantification that constructs prediction sets with coverage guarantees. While CP yields uncontrolled prediction set sizes, Backward Conformal Prediction (BCP) inverts this paradigm by enforcing a predefined upper bound on set size and estimating the resulting coverage guarantee. However, the looseness induced by Markov's inequality within the BCP framework causes a significant gap between the estimated coverage bound and the empirical coverage. In this work, we introduce ST-BCP, a novel method that introduces a data-dependent transformation of nonconformity scores to narrow the coverage gap. In particular, we develop a computable transformation and prove that it outperforms the baseline identity transformation. Extensive experiments demonstrate the effectiveness of our method, reducing the average coverage gap from 4.20\% to 1.12\% on common benchmarks.
• Abstract（参考訳）: コンフォーマル予測(CP)は、カバレッジ保証付き予測セットを構成する不確実性定量化のための統計フレームワークを提供する。 CPは制御されていない予測セットのサイズを出力するが、後方整形予測(BCP)はこのパラダイムを逆転させ、予め定義された上限をセットサイズに課し、その結果のカバレッジ保証を推定する。 しかしながら、マルコフの不等式によって引き起こされるBCPフレームワークの不等式は、推定されたカバレッジ境界と経験的カバレッジの間に大きなギャップを生じさせる。 本稿では,非整合性スコアのデータ依存変換を導入し,カバレッジギャップを狭める手法ST-BCPを紹介する。 特に、計算可能な変換を開発し、それがベースラインのアイデンティティ変換より優れていることを証明します。 本手法の有効性を実証し, 一般的なベンチマークで平均カバレッジギャップを4.20\%から1.12\%に削減した。

関連論文リスト

• Weighted Conformal Prediction Provides Adaptive and Valid Mask-Conditional Coverage for General Missing Data Mechanisms [0.30586855806896046]
  Mask-Conditional Valid (MCV) CoverageはMarginal Coverageよりも望ましい資産として現れている。 本手法は,一般的な欠落したデータ機構に対して,保証されたMarginal CoverageとMask-Conditional Validityを提供することを示す。
  論文  参考訳（メタデータ） (2025-12-16T09:15:50Z)
• Conditional Coverage Diagnostics for Conformal Prediction [47.93989136542648]
  条件付きカバレッジ推定が分類問題であることを示す。 得られたメトリクスの族をターゲットカバレッジ(ERT)の過剰なリスクと呼びます。 ERTのオープンソースパッケージと、以前の条件付きカバレッジメトリクスをリリースしています。
  論文  参考訳（メタデータ） (2025-12-12T18:47:39Z)
• 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)
• Federated Conditional Conformal Prediction via Generative Models [12.463514743585515]
  Conformal Prediction (CP) は、分布のない不確実性定量化を提供する。 Fed Conditional Conformal Prediction (Fed-CCP)は、ローカルデータの不均一性に対応する条件付きカバレッジを目指している。 実際のデータセットの実験は、Fed-CCPがより適応的な予測セットを達成することを示す。
  論文  参考訳（メタデータ） (2025-10-15T08:38:38Z)
• Differentially Private Conformal Prediction via Quantile Binary Search [0.0]
  我々は、P-COQS(Quantile Search)を介してプライベート・コンフォーマルティ(Private Conformity)と呼ぶ一般のDP手法を提案する。 提案手法は,CP のキャリブレーションフェーズにおけるDP量子化の計算に,既存のランダム化二値探索アルゴリズムを適用し,それに伴う予測セットのプライバシを保証する。 我々は,従来の代替手段と比較して,プライバシーノイズ,サンプルサイズ,重要度がアプローチの性能に与える影響について広範な実験を行った。
  論文  参考訳（メタデータ） (2025-07-15T22:08:02Z)
• 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)
• 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)

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。