体积排序预测集：面向多目标回归的高效共形预测
机器学习
2025-03-05 v1 机器学习
摘要
我们引入了体积排序预测集（VSPS），这是一种用于多目标回归不确定性量化的新方法，该方法使用条件归一化流与共形校准。这种方法构建了具有保证覆盖概率的灵活、非凸预测区域，克服了传统方法的局限性。通过学习一种使响应的条件分布遵循已知形式的变换，VSPS 利用雅可比行列式识别原始空间中的密集区域。这使得能够创建适应真实潜在分布的预测区域，并将焦点集中在高概率密度区域。实验结果表明，VSPS 在保持稳健覆盖保证的同时，生成了更小、更具信息量的预测区域，增强了复杂、高维设置下的不确定性建模。
引用
@article{arxiv.2503.02205,
title = {Volume-Sorted Prediction Set: Efficient Conformal Prediction for Multi-Target Regression},
author = {Rui Luo and Zhixin Zhou},
journal= {arXiv preprint arXiv:2503.02205},
year = {2025}
}