面向未知时间漂移的分布无关预测推断
统计方法学
2024-06-11 v1 机器学习
机器学习
摘要
分布无关的预测集合在复杂统计模型的不确定性量化中发挥着关键作用。其有效性依赖于可靠的校准数据,而现实环境常因时间变化而难以获得。本文提出一种自适应窗口选择策略,利用窗口内数据构建预测集合。该窗口通过优化估计的偏差-方差权衡进行选择。我们提供了该方法的尖锐覆盖保证,表明其对潜在时间漂移具有自适应性。我们还通过合成数据和真实数据的数值实验说明了其有效性。
引用
@article{arxiv.2406.06516,
title = {Distribution-Free Predictive Inference under Unknown Temporal Drift},
author = {Elise Han and Chengpiao Huang and Kaizheng Wang},
journal= {arXiv preprint arXiv:2406.06516},
year = {2024}
}
备注
25 pages, 4 figures, 6 tables