論文の概要: Generalized Hierarchical Conformal Prediction

• arxiv url: http://arxiv.org/abs/2608.15500v1
• Date: Sun, 16 Aug 2026 03:06:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.322242
• Title: Generalized Hierarchical Conformal Prediction
• Title（参考訳）: 一般化階層的等角予測
• Authors: Soham Mallick, Eric Tchetgen Tchetgen, Edgar Dobriban, Yonghoon Lee,
• Abstract要約: 階層的共形予測 (hierarchical conformal prediction, HCP) は、階層的交換性の下で、以前は目に見えないグループからの新しい観測のために、分布のない予測セットを提供する。 一般化 HCP (GHCP) は、テスト群をランダムに「付加された」参照群のサイズに割り当てることで、共形推論に必要な関連対称性を復元する。 効率を向上させるために,有効なドナーのセットを制限する変種を導入する。
• 参考スコア（独自算出の注目度）: 16.50836943433001
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many prediction problems arise with data collected in groups. In this setting, hierarchical conformal prediction (HCP) (Lee et al., 2026) provides distribution-free prediction sets for a new observation from a previously unseen group under hierarchical exchangeability. In many applications, however, prediction is conducted only after a few observations from the group of interest have already been collected. Standard HCP cannot leverage these observations, as its required symmetry conditions do not hold in this setting. At the same time, the initial sample may still be too small for standard conformal prediction applied within the test group to be informative. We develop predictive inference methods for this setting. Our proposed method, Generalized HCP (GHCP), restores the relevant symmetry needed for conformal inference by assigning the test group a randomly "donated" reference group size. GHCP further leverages the initial test group observations to improve the quality of the nonconformity scores for prediction within that group. To improve efficiency, we introduce a variant that restricts the set of eligible donors. We demonstrate the performance of the proposed method through simulations and an illustration on the American Community Survey dataset.
• Abstract（参考訳）: 多くの予測問題は、グループで収集されたデータによって生じる。 この設定では、階層的共形予測 (hierarchical conformal prediction, HCP) (Lee et al , 2026) は、階層的交換性の下で、以前は目に見えない群からの新しい観測のために、分布のない予測セットを提供する。 しかし、多くの応用において、関心グループからのいくつかの観測が既に収集された後にのみ予測が行われる。 標準 HCP はこれらの観測を利用できない。 同時に、初期サンプルは、テストグループ内で適用される標準共形予測が情報となるには小さすぎるかもしれない。 この設定のための予測推論手法を開発した。 提案手法であるGeneralized HCP (GHCP) は,テスト群をランダムに「付加された」参照群のサイズに割り当てることで,共形推論に必要な関連対称性を復元する。 GHCPはさらに、初期テストグループ観測を活用して、そのグループ内での予測のための非整合性スコアの品質を向上させる。 効率を向上させるために,有効なドナーのセットを制限する変種を導入する。 本稿では,シミュレーションによる提案手法の性能評価と,アメリカン・コミュニティ・サーベイ・データセットの例を示した。

関連論文リスト

• Reliable Conformal Prediction for Ordinal Classification Using the Ranked Probability Score [26.03725296495402]
  Conformal Prediction (CP) は、分布のない予測セットで、限界範囲のカバレッジを保証する。 ランク付け確率スコア(RPS)に基づく順序分類のためのCP手法を提案する。 RPSは、構築によって中央中心の連続予測セットを得る。
  論文  参考訳（メタデータ） (2026-06-23T08:55:13Z)
• eCP: Informative uncertainty quantification via Equivariantized Conformal Prediction with pre-trained models [3.1424353049227727]
  我々は、事前学習されたモデルの群対称性が共形予測(CP)に及ぼす影響について検討する。 本研究では,事前学習した予測器の群分割による幾何情報を用いてCPを注入し,非整合質量を軌道に分散する手法を提案する。 提案手法では, コンベックス次数の増加に伴う非整合性スコアが良好に得られ, 指数的なテール境界が向上し, 予想される共形予測セットがよりシャープになった。
  論文  参考訳（メタデータ） (2026-02-03T20:18:59Z)
• 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)
• 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 Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• Posterior Conformal Prediction [11.576645675675096]
  コンフォーマル予測は、分布のないカバレッジ保証を伴う予測区間を構築するための一般的な手法である。 本稿では,境界条件と近似条件の双方で予測間隔を生成する手法として,後続コンフォメーション予測(PCP)を提案する。 社会経済・科学・医療分野の多様なデータセットを対象としたPCPの性能評価を行った。
  論文  参考訳（メタデータ） (2024-09-29T14:09:07Z)
• 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)
• Conformal prediction set for time-series [16.38369532102931]
  不確かさの定量化は複雑な機械学習手法の研究に不可欠である。 我々は,時系列の予測セットを構築するために,ERAPS(Ensemble Regularized Adaptive Prediction Set)を開発した。 ERAPSによる有意な限界被覆と条件被覆を示し、競合する手法よりも予測セットが小さい傾向にある。
  論文  参考訳（メタデータ） (2022-06-15T23:48:53Z)
• Selective Regression Under Fairness Criteria [30.672082160544996]
  少数派集団のパフォーマンスは、カバー範囲を減らしながら低下する場合もある。 満足度基準を満たす特徴を構築できれば、そのような望ましくない行動は避けられることを示す。
  論文  参考訳（メタデータ） (2021-10-28T19:05:12Z)

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。