Lifted Coefficient of Determination: Fast model-free prediction intervals and likelihood-free model comparison

要約

我々は $\textit{リフト線形モデル}$ を提案し、予測と観測の間の相関が増加するにつれて狭くなるモデルフリー予測区間を導出します。
これらの間隔は、回帰、分類、カウントなどの予測ベースの設定における任意の損失関数のモデル比較基準である $\textit{リフト決定係数}$ の動機付けとなります。
予測区間をより一般的な誤差分布に拡張し、回帰のための高速なモデルフリーの外れ値検出アルゴリズムを提案します。
最後に、数値実験を通じてフレームワークを説明します。

要約(オリジナル)

We propose the $\textit{lifted linear model}$, and derive model-free prediction intervals that become tighter as the correlation between predictions and observations increases. These intervals motivate the $\textit{Lifted Coefficient of Determination}$, a model comparison criterion for arbitrary loss functions in prediction-based settings, e.g., regression, classification or counts. We extend the prediction intervals to more general error distributions, and propose a fast model-free outlier detection algorithm for regression. Finally, we illustrate the framework via numerical experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google