论共形预测集的期望大小

尽管共形预测器享有对其错误频率的严格统计保证的好处，其相应预测集的大小对其实际效用至关重要。遗憾的是，目前缺乏对其预测集大小的有限样本分析和保证。为弥补这一不足，我们在分割共形预测框架下从理论上量化预测集的期望大小。由于这一精确公式通常无法直接算出，我们进一步推导可经经验计算的点估计和高概率区间界，提供了一种刻画期望集大小的实际方法。我们在真实世界数据集上针对回归和分类问题进行的实验证实了我们所提结果的有效性。