論文の概要: Conformal Prediction with Macro-Coverage Guarantees

• arxiv url: http://arxiv.org/abs/2606.28598v1
• Date: Fri, 26 Jun 2026 20:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.615915
• Title: Conformal Prediction with Macro-Coverage Guarantees
• Title（参考訳）: Macro-Coverage Guaranteeによるコンフォーマル予測
• Abstract要約: ラベル重み付き共形予測は有限サンプルマクロ被覆保証付き予測セットを生成するのに有効であることを示す。 さらに、与えられた一般化マクロ被覆目標を満たす最小の予測セットの形式を特徴付ける。
• 参考スコア（独自算出の注目度）: 4.6071451559137175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prediction sets should have high coverage to be useful, but some coverage notions are more practically relevant than others. In the classification setting, class-conditional coverage requires that the prediction set (i.e., the set of candidate labels for a new test point) must achieve the target accuracy level within each class, which may be challenging to satisfy when many classes are rare and have few calibration points. At the other extreme, marginal coverage requires only that coverage holds on average over the distribution of all classes, which can lead to low-probability labels being essentially ignored. To find a middle ground, recent work has introduced macro-coverage, defined as the unweighted average of class-conditional coverages. Macro-coverage offers a compromise between marginal coverage and class-conditional coverage that is particularly appropriate for long-tailed settings. In this work, we show that label-weighted conformal prediction can be used to produce prediction sets with a finite-sample macro-coverage guarantee, and more generally a guarantee on a family of generalized macro-coverage objectives that aggregate coverage at the level of arbitrary class groupings and take a weighted average. We further characterize the form of the smallest prediction sets satisfying a given generalized macro-coverage objective and propose a corresponding conformal score function. We validate our theoretical results on two large-scale image classification datasets.
• Abstract（参考訳）: 予測セットは有用であるために高いカバレッジを持つべきであるが、いくつかのカバレッジ概念は他のものよりも実践的に関係がある。 分類設定では、クラス条件付きカバレッジは、予測セット(すなわち、新しいテストポイントの候補ラベルのセット)が各クラス内の目標精度レベルを達成する必要があることを要求する。 他方、限界範囲のカバレッジは、すべてのクラスの分布に対して平均的なカバレッジを保持することしか必要としないため、低確率ラベルが本質的に無視される可能性がある。 ミドルグラウンドを見つけるために、最近の研究は、クラス条件カバレッジの非重み付き平均として定義されたマクロカバレッジを導入している。 Macro-coverageは、特にロングテール設定に適している境界範囲カバレッジとクラス条件カバレッジの妥協を提供する。 本研究では、ラベル重み付き共形予測を用いて有限サンプルマクロ被覆保証付き予測セットを生成できることを示し、より一般に任意のクラスグループ化のレベルでカバレッジを集約し、重み付き平均を取る一般化マクロ被覆目標の族に対する保証を示す。 さらに、与えられた一般化マクロ被覆目標を満たす最小の予測セットの形式を特徴付け、対応する共形スコア関数を提案する。 2つの大規模画像分類データセットの理論的結果を検証する。

関連論文リスト

• 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)
• 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)
• Conformal Prediction for Long-Tailed Classification [4.343271732951346]
  植物同定のような現実世界の分類問題の多くは、非常に長い尾のクラス分布を持つ。 既存のコンフォーマルな予測手法では、実践者は、クラス条件のカバレッジが低い小さなセットと、非常に良いクラス条件のカバレッジを持つセットの2つの選択を迫られる。 そこで本稿では,設定サイズとクラス条件間をスムーズにトレードオフする限界範囲範囲を保証した手法を提案する。
  論文  参考訳（メタデータ） (2025-07-09T14:08:50Z)
• 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)
• Conformal Prediction for Class-wise Coverage via Augmented Label Rank Calibration [30.039997048267]
  本稿では,クラス条件カバレッジを実現するための予測セットサイズを削減するために,ランク校正型クラス条件CP(RC3P)アルゴリズムを提案する。 複数の実世界のデータセットの実験により、RC3Pは平均的な予測セットサイズを26.25%削減した。
  論文  参考訳（メタデータ） (2024-06-10T22:01:34Z)
• Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
  我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。 本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
  論文  参考訳（メタデータ） (2023-11-03T21:19:59Z)
• Class-Conditional Conformal Prediction with Many Classes [60.8189977620604]
  類似した共形スコアを持つクラスをクラスタ化するクラスタ化共形予測法を提案する。 クラスタ化されたコンフォメーションは、クラス条件カバレッジとセットサイズメトリクスの点で、既存のメソッドよりも一般的に優れています。
  論文  参考訳（メタデータ） (2023-06-15T17:59:02Z)
• Practical Adversarial Multivalid Conformal Prediction [27.179891682629183]
  逐次予測のための一般的な共形予測法を提案する。 相手が選択したデータに対して、ターゲットの実証的カバレッジを保証する。 これは計算的に軽量であり、分割共形予測に匹敵する。
  論文  参考訳（メタデータ） (2022-06-02T14:33:00Z)
• Cautious Active Clustering [79.23797234241471]
  ユークリッド空間上の未知の確率測度からサンプリングされた点の分類の問題を考える。 我々のアプローチは、未知の確率測度を、各クラスに対する条件付き確率の凸結合として考えることである。
  論文  参考訳（メタデータ） (2020-08-03T23:47:31Z)

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。