关键词inductive conformal prediction
搜索结果 - 5
- 大规模标签多标签文本分类的准确置信度度量
我们扩展了我们之前关于归纳一致性预测（ICP）在多标签文本分类方面的工作，并提出了一种新的方法来解决处理大量唯一标签时，Label Powerset (LP) ICP 的计算效率低下的问题。我们在两个英语和一个捷克语数据集上使用原始的和提出 - 学习归纳态度预测的 PAC-Bayes 泛化证明
在这项工作中，我们使用 PAC-Bayes 理论获得了关于集合值预测器的覆盖率和效率的泛化界限，可以直接优化以最大化效率，同时满足所需的测试覆盖率，并利用这些理论结果提供了一种利用校准数据对模型和评分函数的参数进行微调，并确保所得预测集的测 - 基于可靠性的在多模式生物医学数据挖掘中的归纳拟合预测的噪声训练标签清理
我们提出了一种基于可靠性的训练数据清洗方法，利用归纳性依从预测 (ICP) 计算的可靠性度量来纠正大量嘈杂的训练数据中的标签错误和异常值，验证了该方法在三个分类任务中的有效性，显示出显著的分类性能提升，无需过多精心策划的训练数据。
- 文本补全和词性预测的适应性预测
本研究提出基于收缩预测算法的文本填充和词性预测算法，并将其应用于自然语言数据处理中。通过在波士顿语料库中进行仿真实验，结论表明该算法能够生成有效的置信区间，并在机器语音转录中有改进应用。
- 跨拟合预测器
介绍了交叉一致性预测方法，它是归纳一致性预测和交叉验证方法的混合，经验上研究了它的有效性和预测效率。