基于传递图自编码器的 conformal 负载预测
机器学习
2024-06-13 v1 机器学习
摘要
预测图上的边权重在交通系统到社交网络等方面具有各种应用。本文描述了一种图神经网络 (GNN) 方法，用于边权预测并保证覆盖率。我们利用 conformal 预测来校准 GNN 输出并产生有效的预测区间。我们通过误差重加权和 Conformalized Quantile Regression (CQR) 处理数据异方差。我们在真实世界的交通数据集上与基线技术进行性能比较。我们的方法在覆盖性和效率方面优于所有基线，并展示了鲁棒性和适应性。
引用
@article{arxiv.2406.08281,
title = {Conformal Load Prediction with Transductive Graph Autoencoders},
author = {Rui Luo and Nicolo Colombo},
journal= {arXiv preprint arXiv:2406.08281},
year = {2024}
}