具有统计保证的鲁棒基于流的保形推断（FCI）
机器学习
2022-10-18 v2 机器学习
摘要
保形预测旨在利用过往经验为新对象的预测确定精确的置信水平。然而，训练数据与测试数据之间常用的可交换假设限制了其在处理受污染测试集时的使用。在本文中，我们开发了一种新颖的基于流的保形推断（FCI）方法，用于为复杂高维数据构建预测集并推断离群点。我们利用对抗流的思想将输入数据转换为具有已知分布的随机向量。我们的往返变换可以将输入数据映射到低维空间，同时保留给定每个类标签下输入数据的条件分布，这使我们能够构造用于不确定性量化的非一致性分数。当测试数据受污染时，我们的方法是适用且鲁棒的。我们在基准数据集上评估了我们的方法——鲁棒基于流的保形推断。我们发现它产生了有效的预测集和准确的离群点检测，并且相对于竞争方法更强大。
引用
@article{arxiv.2205.10732,
title = {Robust Flow-based Conformal Inference (FCI) with Statistical Guarantee},
author = {Youhui Ye and Meimei Liu and Xin Xing},
journal= {arXiv preprint arXiv:2205.10732},
year = {2022}
}