针对对抗半bandit反馈的在线保守预测
机器学习
2026-04-21 v1 机器学习
摘要
不确定性量化在安全关键系统中至关重要，在这些系统中必须在不确定性下做出决策。特别是，我们考虑在线不确定性量化问题，即数据点按顺序到达。在线保守预测是一种原则性的在线不确定性量化方法，能够在每个时间步骤动态构建预测集合。虽然现有方法在没有任何分布性假设的情况下提供长期覆盖保证，但通常假设获得完全反馈，即始终观察真实标签。在本文中，我们提出一种新型学习方法，用于处理来自自适应对手的部分反馈的在线保守预测——这是一种更具挑战性的设置，即仅在预测集合内的真实标签才会显现。具体而言，我们将在线保守预测建模为对抗性bandit问题，将每个候选预测集合视为一个arm。基于现有对抗性bandit算法，我们的方法通过明确建立其与学习者regret的联系，实现长期覆盖保证。最终，我们在独立同分布(i.i.d.)和非i.i.d.设置中经验性地展示了该方法的有效性，表明它成功控制了miscoverage率，同时保持了合理的预测集合大小。
引用
@article{arxiv.2604.17984,
title = {Online Conformal Prediction with Adversarial Semi-bandit Feedback via Regret Minimization},
author = {Junyoung Yang and Kyungmin Kim and Sangdon Park},
journal= {arXiv preprint arXiv:2604.17984},
year = {2026}
}