論文の概要: Skew-adaptive conformal prediction

• arxiv url: http://arxiv.org/abs/2605.16145v1
• Date: Fri, 15 May 2026 16:26:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.369392
• Title: Skew-adaptive conformal prediction
• Title（参考訳）: スキー適応型共形予測
• Authors: Paulo C. Marques F., Helton Graziadei,
• Abstract要約: 回帰のための分割共形予測のスキュー適応拡張を開発する。 結果として得られる手順は、交換可能性の下で分割共形予測の有限サンプルの限界有効性を保持する。 また,スキューアダプティブと古典的スケールドスコア間隔の相対的将来の幅を比較するキャリブレーションサンプルに基づく推定器を開発した。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a skew-adaptive extension of split conformal prediction for regression. The method starts from an asymmetric interval family centered at a point prediction and uses the gauge approach to deduce the conformity score induced by this family. The inverse hyperbolic sine transform of signed scaled residuals provides the training target for an additional predictive model, whose role is to learn how predictive uncertainty should tilt across the feature space. The resulting procedure preserves the finite-sample marginal validity of split conformal prediction under exchangeability, while producing intervals that adapt to both local scale and local skewness. We also develop a calibration-sample-based estimator for comparing the expected relative future width of the skew-adaptive and classical scaled-score intervals. Experiments on a variety of datasets indicate gains in prediction interval efficiency over the scaled-score construction and conformalized quantile regression, and show that the proposed estimator closely matches the corresponding average width ratio observed on the test sample.
• Abstract（参考訳）: 回帰のための分割共形予測のスキュー適応拡張を開発する。 この方法は、点予測を中心にした非対称間隔ファミリから始まり、ゲージアプローチを用いて、このファミリによって誘導される適合度スコアを導出する。 符号付きスケールされた残差の逆双曲型シネ変換は、その役割は、特徴空間を横切る予測の不確実性がどのように傾くべきかを学ぶことにある追加予測モデルのトレーニングターゲットを提供する。 得られた手順は、局所スケールと局所スキューネスの両方に適応した間隔を生成しながら、交換性の下での分割共形予測の有限サンプルの限界有効性を保っている。 また,スキューアダプティブと古典的スケールドスコア間隔の相対的将来の幅を比較するキャリブレーションサンプルに基づく推定器を開発した。 各種データセットを用いた実験は, スケールスコア構成と等化量子回帰の予測間隔効率の上昇を示し, 提案した推定器は, 試験試料で観測した平均幅比と密に一致していることを示す。

関連論文リスト

• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Approximating Full Conformal Prediction for Neural Network Regression with Gauss-Newton Influence [8.952347049759094]
  我々は、保留データなしで、保留後のニューラルネットワーク回帰器の予測間隔を構築する。 ガウス・ニュートンの影響を利用して1回、局所摂動モデルパラメータを訓練する。
  論文  参考訳（メタデータ） (2025-07-27T13:34:32Z)
• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• Self-Calibrating Conformal Prediction [16.606421967131524]
  本稿では,これらの予測に対して有限サンプル妥当性条件付き予測間隔とともに,校正点予測を実現するための自己校正等式予測を提案する。 本手法は,モデルキャリブレーションによりキャリブレーション間隔効率を向上し,特徴条件の妥当性に対して実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-02-11T21:12:21Z)
• Conditional validity of heteroskedastic conformal regression [12.905195278168506]
  等角予測と分割等角予測は、統計的保証付き予測間隔を推定するための分布自由なアプローチを提供する。 近年の研究では、分割共形予測は、限界被覆に着目した場合、最先端の予測間隔を生み出すことが示されている。 本稿では,正規化やモンドリアン等式予測などの手法を用いて,予測間隔の構築方法について,新たな光を当てることを試みる。
  論文  参考訳（メタデータ） (2023-09-15T11:10:46Z)
• Conformal prediction for frequency-severity modeling [1.4999444543328293]
  本稿では,保険請求の予測間隔を構築するためのモデルに依存しない枠組みを提案する。 我々は2段階の周波数重大度モデリングの領域に共形予測を分割する手法を拡張した。
  論文  参考訳（メタデータ） (2023-07-24T20:45:39Z)
• Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
  我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。 合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
  論文  参考訳（メタデータ） (2023-02-23T18:57:14Z)
• 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)
• CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
  本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。 我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
  論文  参考訳（メタデータ） (2021-09-07T09:38:24Z)

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。