論文の概要: Online Conformal Prediction: Enforcing monotonicity via Online Optimization

• arxiv url: http://arxiv.org/abs/2605.12668v1
• Date: Tue, 12 May 2026 19:18:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.637334
• Title: Online Conformal Prediction: Enforcing monotonicity via Online Optimization
• Title（参考訳）: オンラインコンフォーマル予測:オンライン最適化による単調性強化
• Authors: Eduardo Ochoa Rivera, Ambuj Tewari,
• Abstract要約: そこで本稿では, 範囲の範囲にまたがって, エンハンス付き予測セットを出力する2つの新しいオンライン共形予測手法を提案する。 提案手法は,予測セットのネストネスを強制しながら,量子推定誤差制御に変換される小さな後悔を伴うオンライン最適化の視点を活用する。
• 参考スコア（独自算出の注目度）: 23.99156538891498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal prediction provides a principled framework for uncertainty quantification with finite-sample coverage guarantees. While recent work has extended conformal prediction to online and sequential settings, existing methods typically focus on a single coverage level and do not ensure consistency across multiple confidence levels. In many real-world applications, such as weather forecasting, macroeconomic prediction, and risk management, different users operate under heterogeneous risk tolerances and require calibrated uncertainty estimates across a range of coverage levels. In such settings, it is desirable to produce prediction sets corresponding to different coverage levels that are nested and valid simultaneously. In this paper, we propose two novel online conformal prediction methods that output \emph{nested prediction sets} across a range of coverage levels, enabling simultaneous uncertainty quantification across the entire risk spectrum. Beyond interpretability, jointly estimating multiple coverage levels is known to improve statistical efficiency in classical quantile regression by enforcing non-crossing constraints and sharing information across quantiles. Our approaches leverage an online optimization perspective with small regret that translates to quantile estimation error control while enforcing nestedness of prediction sets. Empirical results on synthetic and real-world datasets, including applications in forecasting tasks with heterogeneous risk requirements, demonstrate that our method achieves stable coverage across all levels, strictly nested prediction sets, and improved efficiency compared to existing online conformal baselines.
• Abstract（参考訳）: コンフォーマル予測は、有限サンプルカバレッジを保証する不確実性定量化のための原則化されたフレームワークを提供する。 最近の研究は、コンフォーマルな予測をオンラインおよびシーケンシャルな設定にまで拡張してきたが、既存の手法は通常、単一のカバレッジレベルに焦点を当てており、複数の信頼性レベルにわたって一貫性を保証していない。 天気予報、マクロ経済予測、リスク管理など、現実世界の多くのアプリケーションでは、さまざまなユーザが異種リスク耐性の下で動作し、範囲のカバレッジレベルにわたってキャリブレーションされた不確実性推定を必要とする。 このような設定では、ネストされかつ有効である異なるカバレッジレベルに対応する予測セットを作成することが望ましい。 本稿では,リスクスペクトル全体にわたる同時的不確実性定量化を実現するために,一連の範囲にわたって「emph{nested prediction set}」を出力する2つの新しいオンライン共形予測手法を提案する。 解釈可能性の他に、複数のカバレッジレベルを共同で推定することで、古典的量子化回帰の統計効率を向上させることが知られている。 提案手法は,予測セットのネストネスを強制しながら,量子推定誤差制御に変換される小さな後悔を伴うオンライン最適化の視点を活用する。 不均一なリスク条件を持つタスクの予測への応用を含む,合成および実世界のデータセットに関する実証的な結果から,本手法が全レベルにわたる安定したカバレッジ,厳密なネスト予測セット,既存のオンラインコンフォメーションベースラインと比較して効率の向上を実現していることを示す。

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)
• Adaptive Coverage Policies in Conformal Prediction [46.298122008420414]
  我々は、共形予測法を改善するために、e値とポストホック共形推論の進歩を活用する。 本稿では,ニューラルネットワークをキャリブレーションセット上でのLeft-out手順を用いてトレーニングすることで,適応的カバレッジポリシーを最適化することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T18:37:22Z)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• 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)
• 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)
• Distribution-Free Finite-Sample Guarantees and Split Conformal Prediction [0.0]
  分割共形予測は、最小分布自由仮定の下で有限サンプル保証を得るための有望な道を表す。 1940年代に開発された分割共形予測と古典的寛容予測との関連性を強調した。
  論文  参考訳（メタデータ） (2022-10-26T14:12:24Z)

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。