論文の概要: Valid and Efficient Split Conformal Regression for Time Series

• arxiv url: http://arxiv.org/abs/2609.33866v1
• Date: Sun, 27 Sep 2026 19:38:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 16:07:18.49813
• Title: Valid and Efficient Split Conformal Regression for Time Series
• Title（参考訳）: 時系列に対する分割整形回帰の有効性と有効性
• Abstract要約: 時系列の1ブロック上のモデルに適合する等角化量子回帰と等角化中央回帰について検討する。 時系列における分割共形回帰に対して,非漸近的カバレッジ保証と間隔長の精度を同時に確立する。 キャリブレーション長は推定中心よりも早く収束し、通常の中心に対して一致する下界を与えることを示す。
• 参考スコア（独自算出の注目度）: 1.2489632787815885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study conformalized quantile regression and conformalized median regression that fit a model on one block of a time series and calibrate the conformal interval on the adjacent block. The existing theory of conformal prediction for time series rests largely on mixing conditions, which are hard to verify from a time-series model and fail for many standard processes, including simple ones with short memory. We replace this theoretical toolbox with the functional dependence measure, which in principle accommodates long-memory observations. The accuracy of the conformal interval length for time series has been understudied. To the best of our knowledge, this paper is the first work that establishes non-asymptotic coverage guarantees and accuracy of interval length simultaneously for split conformal regression on time series. Furthermore, for Gaussian linear processes with long memory, where both the estimation of the center and its calibration converge slowly, we establish a sharper rate for the length error. We show that the calibrated length converges faster than the estimated center itself, and provide a matching lower bound for the usual centers when the calibration block is sufficiently large relative to the training block. To our knowledge, this is the first theoretical analysis of conformal interval length dedicated to long memory.
• Abstract（参考訳）: 時系列の1ブロックのモデルに適合し、隣接ブロックの共形間隔を校正する共形量子回帰と共形中央回帰について検討する。 時系列の共形予測の既存の理論は混合条件に大きく依存しており、時系列モデルから検証することは困難であり、短いメモリを持つ単純なものを含む多くの標準的なプロセスでは失敗する。 我々はこの理論ツールボックスを機能的依存度尺度に置き換える。 時系列の共形間隔長の精度について検討した。 我々の知る限りでは、時系列上の分割共形回帰のための非漸近的カバレッジ保証と間隔長の精度を同時に確立する最初の研究である。 さらに、中心と校正の両方がゆっくりと収束する長いメモリを持つガウス線形過程に対して、長さ誤差のよりシャープな速度を確立する。 キャリブレーションブロックがトレーニングブロックに対して十分に大きい場合, キャリブレーション長は推定センタ自体よりも早く収束し, 通常のセンタに対して一致した下界を与える。 われわれの知る限り、これは長メモリ専用の共形間隔長に関する最初の理論的解析である。

関連論文リスト

• Online Learning with Gradient-Variation Interval Regret [54.59204826681113]
  そこで本研究では,勾配変動を伴う時間間隔のリフレッシュなスケーリングを実現するオンライン学習アルゴリズムを提案する。 提案手法では, よりシンプルで効率的な2層オンラインアンサンブル構造を用いて, 高い理論的保証を実現する。
  論文  参考訳（メタデータ） (2026-06-02T16:16:45Z)
• Test Set Sizing for the Ridge Regression [51.56484100374058]
  訓練行数mが大きくなる限界において、リッジ回帰のための理想的な列車/試験分割を高精度に導出する。 このような分割が、大規模なデータ制限下で機械学習モデルに対して数学的に計算されるのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-04-27T13:17:18Z)
• Doubly robust inference via calibration [0.9694940903078658]
  二重ロバストな手順におけるニュアンス推定器の校正は、線形汎函数に対して二重ロバストな正規性をもたらすことを示す。 我々の理論的解析は、DML推定器が、関数の回帰あるいはリース表現器が十分に適切に推定されている場合、キャリブレート正規のままであることを示している。 アイソトニック回帰によるクロスフィット推定をキャリブレーションするために,数行のコードを追加することで,既存のDMLパイプラインに統合することができる。
  論文  参考訳（メタデータ） (2024-11-05T03:32:30Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Learning Asynchronous and Error-prone Longitudinal Data via Functional Calibration [4.446626375802735]
  本稿では,測定誤差を伴う関数データに基づいて,経時的共変過程を効率的に学習する機能キャリブレーション手法を提案する。 時間不変係数を用いた回帰では、推定器はルート-n一貫性を持ち、ルート-n正規であり、時間可変係数モデルでは、推定器は最適な変動係数モデル収束率を有する。 提案手法の有効性とユーザビリティをシミュレーションにより検証し,全国女性健康研究への応用について検討した。
  論文  参考訳（メタデータ） (2022-09-28T03:27:31Z)
• Intersection of Parallels as an Early Stopping Criterion [64.8387564654474]
  そこで本研究では,検証セットを必要とせずに,トレーニングイテレーションの早期停止点を見つける手法を提案する。 幅広い学習率において,コサイン距離基準 (CDC) と呼ばれる手法は,比較したすべての手法よりも平均的な一般化に寄与する。
  論文  参考訳（メタデータ） (2022-08-19T19:42:41Z)
• Towards Data-Algorithm Dependent Generalization: a Case Study on Overparameterized Linear Regression [19.047997113063147]
  本稿では,データ依存学習軌跡全体の一般化挙動を考察したデータ-アルゴリズム整合性の概念を提案する。 我々は、データ依存軌道解析を行い、そのような環境での互換性に十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-02-12T12:42:36Z)
• Elastic Product Quantization for Time Series [19.839572576189187]
  本稿では,時間ゆらぎの時間系列の効率的な類似度に基づく比較に製品量子化を用いることを提案する。 提案手法は, 時系列アプリケーションにおける弾性測度を, 高効率(メモリ使用量と時間の両方)で置き換える手法として現れる。
  論文  参考訳（メタデータ） (2022-01-04T09:23:06Z)

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。