Mar, 2024

CAS：一种具有 FCR 控制的在线选择性符合预测的通用算法

PDF
TL;DR我们研究了在线情况下的后选择预测推理问题。我们开发了一个名为 CAS（自适应选择后校准）的通用框架，可包装任何预测模型和在线选择规则，以输出后选择的预测区间。
post-selection predictive inferenceonline selectionprediction intervalscalibration after adaptive selectionreal-time false coverage-statement rate (fcr)
发现论文，激发创造
  • 单轨迹形式预测

    我们通过对未知随机动力系统的单个时间相关数据轨迹进行风险控制预测集（RCPS）性能的研究，使用封锁技术展示了数据遵循渐进稳定性和收缩性动态时，RCPS 获得类似于独立同分布情况下的性能保证；接着，我们使用解耦技术来描述 RCPS 性能保证在数据生成过程偏离稳定性和收缩性时的优雅退化；最后，我们讨论这些工具如何用于统一在线和离线形式预测算法的分析，目前这些算法的分析工具差异较大。

    Jun, 2024

  • 具有半绑定反馈的随机在线一致预测

    通过修改模型输出一组标签而不是单个标签，符合预测已成为一种可行的不确定性量化策略。在在线学习设置中，我们考虑了半强盗反馈，其中只有在真实标签包含在预测集中时，我们才能观察到真实标签。我们提出了一种针对这种情况的新颖符合预测算法，并证明它相对于最优符合预测器具有亚线性遗憾。我们在检索任务和图像分类任务上评估了我们的算法，并且证明它在经验上获得了良好的性能。

    May, 2024

  • 通过强适应在线学习改进在线置信预测

    研究在线情况下的不确定性量化问题，提出新的自适应后悔最小化算法用于在线共形预测，证明了该方法实现了近似最优的自适应后悔和适当的预测覆盖，同时在时间序列预测和图像分类等实际任务上对现有方法具有明显的优势。

    Feb, 2023

  • 形式风险控制

    本文扩展了符合预测的范畴，使其可以控制任何单调损失函数的期望值，并提出了符合风险控制过程。从计算机视觉和自然语言处理方面的实例证明了我们算法在限制误差率，图距离和标牌级别 F1 得分方面的应用。

    Aug, 2022

  • 交叉验证合规风险控制

    基于交叉验证的新型决策风险控制（CV-CRC）方法确保了一组从点预测器中提取的预测器的校准性，减少了数据集分割限制并降低了平均集合规模。

    Jan, 2024

  • 增强标签排序校准的适用于每类覆盖的合拢预测

    针对不平衡分类任务的一种新的不确定性量化框架，Rank Calibrated Class-conditional CP (RC3P) 算法，通过降低预测集大小以实现类条件覆盖，对于每个类别都具有有效的覆盖保证。

    Jun, 2024

  • 适应性选组等覆盖的共形分类

    引入了一种符合性推断方法以评估分类中的不确定性，通过生成具有有效覆盖率的预测集，并在自适应选择的特征上进行。这些特征经过精选以反映潜在的模型限制或偏差，有助于在提供有信息的预测的同时，在最敏感的群体中确保平等的覆盖率，从而找到实践上的一个妥协点。我们通过模拟和真实数据集展示了此方法的有效性和准确性。

    May, 2024

  • 在线内容竞争决策的全动态在线选择方案

    本文提出了一种针对完全动态在线选择问题的在线争用解决方案方法，并展示了如何利用该方法在部分信息模型中构建无遗憾算法。

    Jan, 2023

  • 高效在线集合值分类与弱反馈

    提出了基于类别的可信区间预测方法（BCCP），旨在解决在线学习中带有强化学习反馈的困境，通过随机梯度下降训练模型并进行多值推断，以实现类别特定的可信区间覆盖保证，并扩展了可信区间预测在在线决策环境中的可靠性和适用性。

    May, 2024

  • 分布偏移下的自适应符合推断

    本文提出了一种自适应的线上学习方法 - 自适应符合推断方法，该方法结合了预测集和符合推断的思想，能够在任何黑箱模型中实现长时间内预期的覆盖概率，从而解决了数据变化扰动的问题。

    Jun, 2021