Conformalized Interval Arithmetic with Symmetric Calibration

要約

不確実性の定量化は、特に確率変数の同時分布が関係する場合、意思決定において不可欠です。
コンフォーマル予測は有効なカバレッジを保証する分布フリーの予測セットを提供しますが、従来は単一の予測に焦点を当てていました。
この論文では、特定のインデックス セットにわたる未知のラベルの合計または平均を推定するための新しい等角予測方法を紹介します。
単一ターゲットの等角予測区間を複数のターゲットの合計の予測区間に展開します。
順列不変の仮定の下で、提案した方法の妥当性を証明します。
また、クラス平均推定タスクとパス コスト予測タスクにもアルゴリズムを適用し、この方法が既存の等角化アプローチだけでなく非等角アプローチよりも優れていることを示します。

要約(オリジナル)

Uncertainty quantification is essential in decision-making, especially when joint distributions of random variables are involved. While conformal prediction provides distribution-free prediction sets with valid coverage guarantees, it traditionally focuses on single predictions. This paper introduces novel conformal prediction methods for estimating the sum or average of unknown labels over specific index sets. We develop conformal prediction intervals for single target to the prediction interval for sum of multiple targets. Under permutation invariant assumptions, we prove the validity of our proposed method. We also apply our algorithms on class average estimation and path cost prediction tasks, and we show that our method outperforms existing conformalized approaches as well as non-conformal approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google