利用带标签离群点的集成共形 p 值进行强力的分布外检验
统计方法学
2022-08-26 v1 机器学习
统计理论
机器学习
统计理论
摘要
本文提出新颖的共形方法以检验新观测是否采自与参考集相同的分布。所述方法以创新方式融合归纳式与转导式共形推断，能够基于已知分布外数据的依赖侧信息以原则性方式对标准共形 p 值重新加权，并可自动利用任一类单类与二分类器集合中最强的模型。该方案可通过样本分割实现，或借助一种新颖的转导式 cross-validation+ 方案实现；由于相较现有交叉验证方法具有更紧的保证，后者亦可用于共形推断的其他应用。在研究了含多个可能离群点的多重检验框架下的错误发现率控制与功效后，所提方案通过仿真以及图像识别与表格数据应用被证明优于标准共形 p 值。
引用
@article{arxiv.2208.11111,
title = {Integrative conformal p-values for powerful out-of-distribution testing with labeled outliers},
author = {Ziyi Liang and Matteo Sesia and Wenguang Sun},
journal= {arXiv preprint arXiv:2208.11111},
year = {2022}
}