Konform forudsigelse
Konform forudsigelse er et distributionsfrit rammeværk til at konstruere statistisk gyldige forudsigelsessæt (for klassifikation) eller forudsigelsesintervaller (for regression) omkring outputtet fra enhver forudtrænet maskinlæringsmodel. Introduceret af Vovk, Gammerman og Shafer i deres monografi fra 2005, giver det en marginal dækningsgaranti for endelige stikprøver — den sande etiket falder inden for forudsigelsessættet med mindst 1-alfa sandsynlighed — uden at kræve parametriske antagelser om datadistributionen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Sådan citerer du denne side
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/da/machine-learning/conformal-prediction
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ModelkalibreringMaskinlæring↔ compare
- Kvantificering af UsikkerhedSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →