論文の概要: Prediction Sets for Counterfactual Decisions: Coverage, Optimality, and Conformal Prediction

• arxiv url: http://arxiv.org/abs/2607.02206v1
• Date: Thu, 02 Jul 2026 14:13:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.867223
• Title: Prediction Sets for Counterfactual Decisions: Coverage, Optimality, and Conformal Prediction
• Title（参考訳）: 対実的決定のための予測セット:カバレッジ、最適性、コンフォーマル予測
• Authors: Yurui Zheng, Ying Jin,
• Abstract要約: 我々は、不確実性のある反事実決定のための意思決定理論の枠組みを開発する。 そこで,我々は,表現セット自体によって引き起こされる行動の下で実現された結果のカバレッジという,政治に結合した新たな概念を同定する。
• 参考スコア（独自算出の注目度）: 7.899668963928307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predictions are increasingly used to guide high-stakes decisions, from treatment selection to policy making. To ensure reliability with imperfect predictions, uncertainty quantification methods such as conformal prediction build prediction sets with coverage guarantees. However, statistical validity alone does not immediately determine the decisions to take, nor the optimality thereof. This gap is especially delicate in counterfactual settings where the outcome that materializes depends on the action taken, so uncertainty cannot be specified independently of the decision rule. We develop a decision-theoretic framework for uncertainty-informed counterfactual decisions. We identify a novel notion of \emph{policy-coupled coverage} -- namely, coverage of the realized outcome under the action induced by the prediction sets themselves -- as the optimal and lossless interface between uncertainty and action. It plays three roles. First, it justifies acting via a natural max-min rule as minimax-optimal under distributional ambiguity. Second, optimizing prediction sets under policy-coupled coverage is equivalent both to a stronger universal-coverage formulation and to the direct risk-averse optimization over policies and utility certificates; this equivalence yields the explicit form of the population-optimal prediction sets. Third, it admits a two-stage procedure, Policy-Coupled Risk-Averse Conformal Prediction (PC-RACP), that approximates these optimal sets with rigorous finite-sample coverage. Simulations and a real email-marketing experiment confirm that PC-RACP delivers higher utility than existing approaches while maintaining valid coverage, and that ignoring the counterfactual structure of the decision problem is suboptimal for both validity and utility.
• Abstract（参考訳）: 予測は、治療の選択から政策決定まで、ハイテイクな決定を導くのにますます使われています。 不完全予測による信頼性を確保するため、網羅保証付き共形予測構築予測セットなどの不確実性定量化手法を提案する。 しかし、統計的妥当性だけでは、取るべき決定やその最適性はすぐには決定されない。 このギャップは、結果が取るべき行動に依存する反ファクト的な環境では特に微妙であるため、決定規則とは独立して不確実性を特定することはできない。 我々は、不確実性のある反事実決定のための意思決定理論の枠組みを開発する。 我々は、不確実性と行動の間の最適かつ損失のないインターフェースとして、新しい「emph{policy-coupled coverage}」という概念、すなわち、予測セット自体によって誘導される行動の下で実現された結果のカバレッジを識別する。 役は3つある。 第一に、分布の曖昧さの下では、自然な最大ミン則を介して作用を極小極小最適化として正当化する。 第二に、政策結合型カバレッジ下での予測セットの最適化は、より強力な普遍的カバレッジの定式化と、ポリシーやユーティリティ証明書に対する直接的なリスク-逆最適化の両方に等価であり、この同値性は、人口-最適予測セットの明示的な形式をもたらす。 第3に、ポリシー結合型リスク・アバース・コンフォーマル予測(PC-RACP)という2段階の手順を認め、これら最適セットを厳密な有限サンプルカバレッジで近似する。 シミュレーションと実メールマーケティング実験により、PC-RACPは、有効なカバレッジを維持しながら既存のアプローチよりも高い実用性を提供し、意思決定問題の事実的構造を無視していることが、妥当性と実用性の両方に最適であることを確認した。

関連論文リスト

• Optimal Decision-Making Based on Prediction Sets [18.860889057545467]
  予測セットは、未知のテスト結果を保証された確率でカバーするために、任意のMLモデルをラップすることができる。 本稿では,予測セットのカバレッジ保証と一致した最悪のケース分布に対する損失(リスク)を最小限に抑えるための決定理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T03:02:44Z)
• When Robustness Meets Conservativeness: Conformalized Uncertainty Calibration for Balanced Decision Making [8.234618636958462]
  本稿では,誤発見と後悔の保証を無分布で有限サンプルで提供する新しいフレームワークを提案する。 提案手法は,不規則なフロンティアを追従する有効な推定器を構築する。 これらの結果は、ロバスト性選択を導くための、最初の原則付きデータ駆動手法を提供する。
  論文  参考訳（メタデータ） (2025-10-09T03:38:17Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• 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)
• Decision Theoretic Foundations for Conformal Prediction: Optimal Uncertainty Quantification for Risk-Averse Agents [24.938391962245877]
  リスク・逆の意思決定を伴う予測セットを用いて不確実性と接続する意思決定理論の基礎を開発する。 医療診断やレコメンデーションシステムなどの応用におけるリスク・アバース(RAC)の意義を実験的に実証した。
  論文  参考訳（メタデータ） (2025-02-04T18:37:10Z)
• Conformal Contextual Robust Optimization [21.2737854880866]
  データ駆動による確率論的意思決定問題を予測するアプローチは、安全クリティカルな設定における不確実な領域の不確実性のリスクを軽減することを目指している。 本稿では,CPO(Conformal-Then-Predict)フレームワークを提案する。 確率列最適化による意思決定問題。
  論文  参考訳（メタデータ） (2023-10-16T01:58:27Z)
• Conformal Off-Policy Prediction in Contextual Bandits [54.67508891852636]
  コンフォーマルなオフ政治予測は、新しい目標ポリシーの下で、結果に対する信頼できる予測間隔を出力することができる。 理論上の有限サンプル保証は、標準的な文脈的バンディットの設定を超える追加の仮定をすることなく提供する。
  論文  参考訳（メタデータ） (2022-06-09T10:39:33Z)
• Conformal Uncertainty Sets for Robust Optimization [0.0]
  マハラノビス距離を多目的回帰と共同予測領域の構築のための新しい関数として用いる。 また、共形予測領域をロバストな最適化に結び付け、有限サンプル有効かつ保守的な不確実性集合を提供する。
  論文  参考訳（メタデータ） (2021-05-31T13:42:24Z)

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。