Apr, 2023

团队 Jumbo-Visma 卡路里预测中的共形回归

PDF
TL;DR运用回归模型，预测速度和功率以提供每位选手的热量需求估计，以此改进 UCI 世界巡回赛中车队教练对选手能量的估算，采用多种预测间隔的方法对预测模型进行比较且发现使用最小值和最大值计算模型的方法能有效产生紧密的预测间隔。
cycling racesenergy needsprediction modelsconformal predictionperformance
发现论文，激发创造
  • 电力市场中光伏发电的随机决策的一致性预测

    该论文研究了使用符合性预测（CP）这种新兴的概率预测方法对光伏发电功率进行次日预测，以提高其参与电力市场的效果。研究结果表明，将 CP 与最近邻和 / 或 Mondrian binning 相结合优于线性分位数回归器，将 CP 与特定的竞标策略相结合，可以在最小化能量不平衡的同时获得高利润。

    Mar, 2024

  • 异方差整体回归

    本文研究了如何使用规范预测方法构建自适应预测区间，通过使用归一化和蒙德里安规范预测等方法，在理论和实验结果中进行系统性调查。

    Sep, 2023

  • 用于一致回归的正规流

    用标定的数据校准预测模型的不确定性，通过训练标定过程以实现区间的本地化，选择适当的距离度量代替标准预测误差，并通过训练来学习最优度量，从而充分应用于现有的局部适应性标定策略，适用于任何点预测模型。

    Jun, 2024

  • 自适应一致回归：杰克刀 + 重新缩放的得分

    本文提出了一种新的自适应方法，基于重新缩放符合规范的分数与本地分数分布的估计，解决了不均匀覆盖率的问题，从而在不破坏校准检验可交换性的情况下利用校准数据进行符合规范的评分。该方法提供了一种新型的预测间隔，具有全局覆盖率保证，并且在低数据情况下表现更优，特别适用于需要准确量化不确定因素的实际应用，如医疗保健领域。

    May, 2023

  • 基于保序化的分位数回归

    本文介绍了一种新的预测方法，将 Conformal prediction 和经典的 quantile regression 相结合，使其完全适应异方差性，并且能够在不做分布假设的情况下，建立具有有效覆盖率的预测区间，相比其他 conformal 方法，本文提出的方法具有更高的效率和更短的预测区间。

    May, 2019

  • 调整后岭回归的效率

    探究贝叶斯岭回归在满足标准贝叶斯假设的情况下，与等效算法相比，异步共形预测集有效性的要求是否被满足。结果显示，在这种情况下，渐近共形预测集与岭回归预测区间的差异很小。

    Apr, 2014

  • 快速自适应预测区间的回归树

    提供一种新的方法，用于校准具有局部覆盖保证的回归问题的预测区间，该方法基于训练回归树和随机森林的合规得分创建最粗糙的特征空间划分，适用于各种合规得分和预测设置，且在模拟和实际数据集中表现出比现有基准更优的可扩展性和性能。

    Feb, 2024

  • 深度回归森林用于抗癌药物敏感性预测的高效归一化一致性预测与不确定性量化

    通过计算深度回归树获得的方差，我们提出了一种方法来估计每个样本的不确定性，显示深度回归森林方差提高了规范化归纳预测模型在药物反应预测任务中的效率和覆盖率。

    Feb, 2024

  • 嵌套一致性预测和袋外分位数集成方法

    本文讲述了一个基于嵌套的框架的可靠预测方法，使用该方法，我们设计并实现了 QOOB 算法，它将四个想法整合在一起：分位数回归、交叉合规化、集成方法和袋外预测。在模拟和真实数据集上的实验中，QOOB 的表现要么最佳，要么接近最佳。

    Oct, 2019

  • 一些共形分位数回归方法的比较

    本文通过比较两种新提出的置信推断和分位数回归思想相结合的方法，并考虑在样本交换性下如何产生局部自适应和边缘有效的预测区间，证明当一些额外的假定满足时，这两种方法在大样本下是渐进有效的，同时在模拟和真实数据中进行实证比较，结果表明相对于 Kivaranovic 等人 (2019) 的方法，Romano 等人 (2019) 的方法在有限样本中通常产生更紧的预测区间，并最后讨论了如何通过调整用于训练和适应性的相对比例来调整这些程序。

    Sep, 2019