論文の概要: Conformal Prediction for Distribution-to-Distribution Regression

• arxiv url: http://arxiv.org/abs/2611.06320v1
• Date: Wed, 04 Nov 2026 10:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.063206
• Title: Conformal Prediction for Distribution-to-Distribution Regression
• Title（参考訳）: 分散分配回帰のコンフォーマル予測
• Abstract要約: Conformal Prediction (CP) は、有限サンプル予測セットをカバレッジ保証付きで構築するためのフレームワークを提供する。 最近の進歩は、スプリット・コンフォーマル予測を、ますます複雑な学習問題に拡張している。
• 参考スコア（独自算出の注目度）: 1.091459581269522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal Prediction (CP) provides a model-agnostic framework for constructing finite-sample prediction sets with coverage guarantees and has become a tool for reliable decision-making in high-risk settings. Recent advances have extended Split Conformal Prediction to increasingly complex learning problems, including multilabel, high-dimensional, and functional outputs. In this work, we study CP for Distribution-to-Distribution Regression, a setting of growing interest across many application domains. We show that a naive application of Split CP yields prediction sets that, while marginally valid, are non-interpretable, e.g., lacking a well-defined volume or a tractable sampling procedure, and of limited practical value. To overcome this, we propose a new conformal framework that operates in an orthogonal basis space, producing interpretable prediction sets while preserving coverage guarantees. We further develop an adaptive variant with asymptotic conditional coverage under mild assumptions. Empirical results on synthetic and real-world datasets validate the effectiveness of the proposed approach. The code is publicly available at https://github.com/tuanhacs/conformal_d2d.
• Abstract（参考訳）: Conformal Prediction (CP)は、有限サンプル予測セットをカバレッジ保証付きで構築するためのモデルに依存しないフレームワークを提供する。 最近の進歩は、マルチラベル、高次元、関数的出力を含む、ますます複雑な学習問題まで、スプリット・コンフォーマル予測を拡張している。 本研究では,多くのアプリケーション領域にまたがる関心の高まりにともなう分散分配回帰のCPについて検討する。 本研究では,スプリットCPの単純適用により,非解釈可能でありながら,十分定義された容積や抽出手順が欠如しており,実用価値が限られている,という予測セットが得られることを示す。 これを解決するために、直交基底空間で動作し、カバレッジ保証を維持しつつ解釈可能な予測セットを生成する新しいコンフォメーションフレームワークを提案する。 軽度の仮定の下で漸近的条件付き適応的変種をさらに発展させる。 合成および実世界のデータセットに関する実証的な結果から,提案手法の有効性が検証された。 コードはhttps://github.com/tuanhacs/conformal_d2d.comで公開されている。

関連論文リスト

• Adaptive Conformal Prediction for Improving Factuality of Generations by Large Language Models [86.8650252164764]
  大規模言語モデル(LLM)は、事実的に誤った出力を生成する傾向にある。 本研究では,LLMへのコンフォメーションスコア変換法を拡張する適応型コンフォメーション予測手法を提案する。 これにより、アクシデントに依存したキャリブレーションが可能となり、条件付きカバレッジを改善しながら、限界範囲のカバレッジ保証が維持される。
  論文  参考訳（メタデータ） (2026-04-15T15:35:42Z)
• 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)
• Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
  本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。 本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
  論文  参考訳（メタデータ） (2025-02-22T19:54:14Z)
• Epistemic Uncertainty in Conformal Scores: A Unified Approach [2.449909275410288]
  等角予測法は、分布のない保証を持つ予測帯域を生成するが、不確実性を明示的に捉えることはできない。 モデルに依存しないアプローチである $texttEPICSCORE$ を導入する。 $texttEPICSCORE$は、限られたデータを持つ領域の予測間隔を適応的に拡張し、データが豊富であるコンパクト間隔を維持します。
  論文  参考訳（メタデータ） (2025-02-10T19:42:54Z)
• Optimal Transport-based Conformal Prediction [8.302146576157497]
  コンフォーマル予測(CP)は、ブラックボックス学習モデルにおける不確実性のための原則化されたフレームワークである。 レンズを通して予測スコア関数を処理する新しいCPプロシージャを提案する。 次に,マルチ出力回帰とマルチクラス分類の定量化に本手法を適用した。
  論文  参考訳（メタデータ） (2025-01-31T09:48:28Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Federated Conformal Predictors for Distributed Uncertainty Quantification [83.50609351513886]
  コンフォーマル予測は、機械学習において厳密な不確実性定量化を提供するための一般的なパラダイムとして現れつつある。 本稿では,共形予測を連邦学習環境に拡張する。 本稿では、FL設定に適した部分交換可能性の弱い概念を提案し、それをフェデレート・コンフォーマル予測フレームワークの開発に利用する。
  論文  参考訳（メタデータ） (2023-05-27T19:57:27Z)

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。