論文の概要: Benchmarking non-conformity score functions in conformal prediction
- arxiv url: http://arxiv.org/abs/2605.24983v1
- Date: Sun, 24 May 2026 10:21:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.631229
- Title: Benchmarking non-conformity score functions in conformal prediction
- Title（参考訳）: 共形予測における非整合スコア関数のベンチマーク
- Authors: Sol Erika Boman,
- Abstract要約: コンフォーマル予測は、機械学習の分類におけるモデルキャリブレーションに代わる有用で汎用的な代替手段である。
単一クラスの予測を予測セットに置き換える。
予測セットのサイズと有用性は、非整合スコア関数の選択に大きく依存する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conformal prediction is a useful and versatile alternative to model calibration in machine learning classification. It replaces single-class prediction with prediction sets, guaranteeing that the \textit{a priori} probability of the prediction sets containing the true class is larger than or equal to a pre-specified rate. The size and usefulness of the prediction sets relies heavily on the choice of the non-conformity score function. The scientific literature contains many examples of non-conformity score functions but there is an absence of studies examining their properties and effectiveness. In this paper, we give an overview of properties of non-conformity score functions. We give examples of non-conformity score functions in the existing literature and introduce original modifications. We introduce an original method of evaluating the prediction set sizes of conformal predictors and use it to provide a comparison between non-conformity score functions. We also examine efficacy of different non-conformity score functions for class-conditional conformal prediction in a setting with imbalanced classes.
- Abstract（参考訳）: コンフォーマル予測は、機械学習分類におけるモデルキャリブレーションに代わる有用で汎用的な代替手段である。
これは、単一のクラスの予測を予測セットに置き換え、真のクラスを含む予測セットの \textit{a priori} 確率が、事前指定されたレートより大きいか等しいかを保証する。
予測セットのサイズと有用性は、非整合スコア関数の選択に大きく依存する。
科学的文献には、非整合スコア関数の多くの例が含まれているが、その特性と有効性を調べる研究は存在しない。
本稿では,非整合性スコア関数の特性について概説する。
既存の文献における非整合性スコア関数の例を示し、オリジナルな修正を導入する。
本研究では、共形予測器の予測セットサイズを評価するための独自の手法を導入し、非整合スコア関数の比較を行う。
また,非整合性スコア関数のクラス条件等式予測に対する非整合性スコア関数の有効性についても検討した。
関連論文リスト
- Cost-Sensitive Conformal Training with Provably Controllable Learning Bounds [21.86960662161151]
コンフォーマル予測は、機械学習モデルの予測の不確実性を定量化するフレームワークである。
CPが測定した不確実性を調整するため、共形学習法は予測セットのサイズを最小化する。
本稿では,インジケータ近似機構に依存しない簡易なコスト依存型コンフォメーショントレーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-11-22T01:11:44Z) - 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) - 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) - Selective Prediction via Training Dynamics [31.708701583736644]
本研究では,モデルのトレーニング力学を学習することで,最先端の選択的予測性能が得られることを示す。
特に、トレーニングの後半段階で最終予測と大差ないデータポイントを拒否する。
提案された拒絶機構はドメインに依存しない(すなわち、離散予測と実数値予測の両方に有効)、既存の選択的予測手法と柔軟に組み合わせることができる。
論文 参考訳（メタデータ） (2022-05-26T17:51:29Z) - Efficient and Differentiable Conformal Prediction with General Function
Classes [96.74055810115456]
本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。
本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。
実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
論文 参考訳（メタデータ） (2022-02-22T18:37:23Z) - Conformal Prediction Under Feedback Covariate Shift for Biomolecular Design [56.86533144730384]
本稿では,トレーニングデータとテストデータが統計的に依存した環境での予測不確実性を定量化する手法を提案する。
モチベーション・ユースケースとして,本手法が設計したタンパク質の適合性予測の不確かさを定量化する方法を実データで示す。
論文 参考訳（メタデータ） (2022-02-08T02:59:12Z) - How Nonconformity Functions and Difficulty of Datasets Impact the
Efficiency of Conformal Classifiers [0.1611401281366893]
整合分類では、システムは1つではなく複数のクラスラベルを出力できる。
ニューラルネットワークに基づく共形分類器の場合、逆確率は予測ラベルの平均数を最小化することができる。
この2つの非整合関数の性質を結合する手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T11:50:12Z) - Performance-Agnostic Fusion of Probabilistic Classifier Outputs [2.4206828137867107]
本稿では,1つのコンセンサスクラス予測を行うために,分類器の確率的出力を組み合わせる手法を提案する。
提案手法は,精度が性能指標である状況において有効である。
キャリブレーションされた確率を出力しないので、そのような確率がさらなる処理に必要となる状況には適さない。
論文 参考訳（メタデータ） (2020-09-01T16:53:29Z) - Training conformal predictors [0.0]
共形予測の効率基準は、一般に、与えられた共形予測器の性能を評価するために用いられる。
そこで本研究では,そのような基準をエンフラーン分類器に活用できるかどうかを考察する。
論文 参考訳（メタデータ） (2020-05-14T14:47:30Z)
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。