論文の概要: Isotonic Conformal Prediction

• arxiv url: http://arxiv.org/abs/2607.16675v1
• Date: Sat, 18 Jul 2026 07:11:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.225389
• Title: Isotonic Conformal Prediction
• Title（参考訳）: 等方性等方性予測
• Authors: Daniel Bensimon, Sean Xiang Yu, Eric D. Kolaczyk, Archer Y. Yang,
• Abstract要約: 信頼性のある不確実性定量化の目的として,自己校正と予測条件妥当性の2つを考察する。 自己キャリブレーション・コンフォーマル予測は、両方の目的を有限サンプルで正確に達成するが、全ての候補結果に対してキャリブレータを調整する必要がある。 予測セットの構成からキャリブレーションを分離するフレームワークである等速等角予測(ICP)を提案する。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A point prediction that is well calibrated on average can still be systematically biased conditional on its own value, undermining its use in downstream decision-making. We consider two objectives for reliable uncertainty quantification: self-calibration, requiring a point prediction to be unbiased conditional on its own value, and prediction-conditional validity, requiring a prediction interval to attain nominal coverage conditional on the prediction. Self-Calibrating Conformal Prediction (SC-CP) attains both objectives exactly in finite samples, but requires refitting its calibrator for every candidate outcome, which is computationally prohibitive for continuous outcomes. We propose Isotonic Conformal Prediction (ICP), a framework that decouples calibration from prediction-set construction by fitting a single isotonic recalibration map and constructing prediction intervals within strata of similar recalibrated predictions. Within this framework we develop two procedures. Split Isotonic Conformal Prediction (SICP) attains prediction-conditional validity in finite samples and self-calibration asymptotically, at the computational cost of split conformal prediction. Transductive Isotonic Conformal Prediction (TICP) attains both objectives exactly in finite samples through a per-test-point inner loop that avoids refitting the isotonic calibrator. On synthetic heteroscedastic regression problems and a real-world healthcare-utilization dataset, both procedures match the coverage of SC-CP at substantially lower computational cost.
• Abstract（参考訳）: 平均で適切に調整された点予測は、体系的に自身の値に偏りがあり、下流の意思決定におけるその使用を損なう可能性がある。 本稿では, 自己校正, 点予測を自己の値で非バイアス条件で行うこと, 予測条件の妥当性, 予測区間を予測条件で行うこと, という2つの信頼性不確実性定量化の目的について考察する。 SC-CP(Self-Calibrating Conformal Prediction)は、有限サンプルにおいて、両方の目的を正確に達成するが、連続的な結果に対して計算的に禁止される全ての候補結果に対して、キャリブレータを調整する必要がある。 等方的等方的等方的等方性予測(ICP)は,1つの等方的等方的等方性補正マップを取り付け,類似した等方性予測の層内における予測間隔を構築することにより,キャリブレーションを予測セット構築から切り離すフレームワークである。 この枠組みでは2つの手順を策定する。 Split Isotonic Conformal Prediction (SICP) は、有限標本における予測条件の妥当性と自己校正を、分割等角予測の計算コストで漸近的に達成する。 Transductive Isotonic Conformal Prediction (TICP) は、テストポイント毎のインナーループを通じて、両方の目的を有限サンプルで正確に達成し、アイソトニックキャリブレータのリフィットを回避する。 合成ヘテロシステアシス回帰問題と実世界の医療利用データセットでは、どちらもSC-CPを計算コストのかなり低い範囲でカバーする。

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)
• 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)
• E-Values Expand the Scope of Conformal Prediction [49.1574468325115]
  コンフォーマル予測は、分布のない不確実性定量化のための強力なフレームワークである。 本稿では,共形e-predictionと呼ばれる電子値に基づく代替手法について検討する。 E値は、p値では達成できない重要な利点を提供し、新しい理論的および実用的能力を実現する。
  論文  参考訳（メタデータ） (2025-03-17T10:54:30Z)
• Generalized Venn and Venn-Abers Calibration with Applications in Conformal Prediction [0.0]
  我々は、Vovkのアプローチを二項分類を超えて拡張する、Venn-Abersキャリブレーションのための統一的なフレームワークを導入する。 提案手法は,任意の完全サンプル内キャリブレーションされた予測器を,有限サンプルにおいて少なくとも1つの限界点予測を出力するセット値予測器に変換する。 量子損失に対して,本フレームワークは,グループ条件とマルチキャリブレーションされた共形予測を特殊ケースとして回収し,量子条件のカバレッジで新しい予測区間を生成する。
  論文  参考訳（メタデータ） (2025-02-08T19:52:59Z)
• 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)
• 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)
• AutoCP: Automated Pipelines for Accurate Prediction Intervals [84.16181066107984]
  本稿では、自動予測のための自動機械学習(Automatic Machine Learning for Conformal Prediction, AutoCP)というAutoMLフレームワークを提案する。 最高の予測モデルを選択しようとする慣れ親しんだAutoMLフレームワークとは異なり、AutoCPは、ユーザが指定したターゲットカバレッジ率を達成する予測間隔を構築する。 さまざまなデータセットでAutoCPをテストしたところ、ベンチマークアルゴリズムを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-06-24T23:13:11Z)

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。