E-Values 拓展了保形预测的适用范围

Etienne Gauthier; Francis Bach; Michael I. Jordan

E-Values 拓展了保形预测的适用范围

机器学习 2025-05-07 v3 机器学习

作者: Etienne Gauthier , Francis Bach , Michael I. Jordan

摘要

保形预测是一种强大的无分布不确定性量化框架。标准的保形预测方法依赖于比较预测分数的秩：在可交换性假设下，未来测试点的秩相对于校准集不会过于极端。这种基于秩的方法可以用 p 值来重新表述。在本文中，我们探索了一种基于 e-values 的替代方法，称为保形 e 预测。E-values 提供了 p 值无法实现的关键优势，带来了新的理论和实践能力。具体而言，我们提出了三个利用 e-values 独特优势的应用：批处理随时有效保形预测、具有数据相关覆盖率的固定大小保形集，以及在模糊真实标签下的保形预测。总体而言，这些例子表明基于 e-value 的构造为保形预测工具箱提供了灵活的拓展。

关键词

保形预测 e-values p-values 不确定性量化随时有效推断

引用

@article{arxiv.2503.13050,
  title  = {E-Values Expand the Scope of Conformal Prediction},
  author = {Etienne Gauthier and Francis Bach and Michael I. Jordan},
  journal= {arXiv preprint arXiv:2503.13050},
  year   = {2025}
}

备注

Code available at: https://github.com/GauthierE/evalues-expand-cp

E-Values 拓展了保形预测的适用范围

摘要

关键词

引用

备注

相关论文