测试时增强提升共形预测的效率
机器学习
2025-05-30 v1 计算机视觉与模式识别
摘要
共形分类器产生一组预测类别，并提供该集合包含真实类别的概率保证。遗憾的是，共形分类器经常产生无信息量的大集合。在本工作中，我们展示了测试时增强（TTA）——一种在推理期间引入归纳偏置的技术——能够减小共形分类器产生的集合大小。我们的方法灵活、计算高效且有效。它可以与任何共形得分结合使用，无需模型重训练，并将预测集合大小平均减小10%-14%。我们对该方法进行了评估，涵盖三个数据集、三个模型、两种成熟的共形评分方法、不同的保证强度以及几种分布偏移，以展示测试时增强何时以及为何能成为共形预测流程的有用补充。
引用
@article{arxiv.2505.22764,
title = {Test-time augmentation improves efficiency in conformal prediction},
author = {Divya Shanmugam and Helen Lu and Swami Sankaranarayanan and John Guttag},
journal= {arXiv preprint arXiv:2505.22764},
year = {2025}
}