論文の概要: Trustworthy predictive distributions for rare events via diagnostic transport maps

• arxiv url: http://arxiv.org/abs/2603.11229v1
• Date: Wed, 11 Mar 2026 18:55:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.596165
• Title: Trustworthy predictive distributions for rare events via diagnostic transport maps
• Title（参考訳）: 診断輸送地図による希少事象の信頼に値する予測分布
• Authors: Elizabeth Cucuzzella, Rafael Izbicki, Ann B. Lee,
• Abstract要約: 予測系が完全な予測分布を提供するとしても、結果はすべての x と y に対して校正されることはめったにない。 本稿では,与えられた予測分布を,有用だが潜在的に不特定なベースモデルとして扱う。 そこで我々は,キャリブレーションデータの真の条件分布に合うように,ベースモデルの確率をどのように調整すべきかを定量化する,診断トランスポートマップ,共依存確率-確率マップを導入する。
• 参考スコア（独自算出の注目度）: 3.2309187092212936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forecast systems in science and technology are increasingly moving beyond point prediction toward methods that produce full predictive distributions of future outcomes y, conditional on high-dimensional and complex sequences of inputs x. However, even when forecast systems provide a full predictive distribution, the result is rarely calibrated with respect to all x and y. The estimated density can be especially unreliable in low-frequency or out-of-distribution regimes, where accurate uncertainty quantification and a means for human experts to verify results are most needed to establish trust in models. In this paper, we take an initial predictive distribution as given and treat it as a useful but potentially misspecified base model. WE then introduce diagnostic transport maps, covariate-dependent probability-to-probability maps that quantify how the base model's probabilities should be adjusted to better match the true conditional distribution of calibration data. At deployment, these maps provide the user with real-time local diagnostics that reveal where the model fails and how it fails (including bias, dispersion, skewness, and tail errors), while also producing a recalibrated predictive distribution through a simple composition with the base model. We apply diagnostic transport maps to short-term tropical cyclone intensity forecasting and show that an easy-to-fit parametric version identifies evolutionary modes associated with local miscalibration and improves the predictive performance for rare events, including 24-hour rapid intensity change, as compared to the operational forecasts of the National Hurricane Center.
• Abstract（参考訳）: 科学と技術の予測システムは、入力の高次元および複雑なシーケンスに条件付きで、将来の結果の完全な予測分布を生成する方法に向けて、ポイント予測を超えて、ますます動き始めている。 しかし、予測システムが完全な予測分布を提供したとしても、結果はすべてのxに対して校正されることはめったにない。 イ 推定密度は、正確な不確実性定量化と結果を検証する手段がモデルに対する信頼を確立するために最も必要となる、低周波またはアウト・オブ・ディストリビューション体制において特に信頼性が低い。 本稿では,与えられた予測分布を,有用だが潜在的に不特定なベースモデルとして扱う。 次に、診断トランスポートマップ、共変量に依存した確率-確率マップを導入し、キャリブレーションデータの真の条件分布に適合するように、ベースモデルの確率をどのように調整すべきかを定量化する。 デプロイ時に、これらのマップは、モデルがどこで失敗し、どのように失敗するか(バイアス、分散、歪、テールエラーを含む)を明らかにするためのリアルタイムなローカル診断を提供すると同時に、ベースモデルとの単純な合成を通じて、修正された予測分布を生成する。 本研究では, 短時間の熱帯性サイクロン強度予測に診断トランスポートマップを適用し, 局所的誤校正に伴う進化モードを同定し, 全国ハリケーンセンターの運用予測と比較して, 24時間急激な強度変化を含む稀な事象の予測性能を向上させることを示す。

関連論文リスト

• Probabilistic Scores of Classifiers, Calibration is not Enough [0.32985979395737786]
  二項分類タスクでは、確率的予測の正確な表現が実世界の様々な応用に不可欠である。 本研究では,予測スコアと真の確率分布の一致を優先するアプローチを強調した。 その結果,従来の校正基準の限界が明らかとなり,重要な意思決定のための予測モデルの信頼性を損なう可能性が示唆された。
  論文  参考訳（メタデータ） (2024-08-06T19:53:00Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Improving Uncertainty Calibration via Prior Augmented Data [56.88185136509654]
  ニューラルネットワークは、普遍関数近似器として機能することで、複雑なデータ分布から学習することに成功した。 彼らはしばしば予測に自信過剰であり、不正確で誤った確率的予測に繋がる。 本稿では,モデルが不当に過信である特徴空間の領域を探索し,それらの予測のエントロピーをラベルの以前の分布に対して条件的に高める手法を提案する。
  論文  参考訳（メタデータ） (2021-02-22T07:02:37Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。