Konforme Prädiktion
Konforme Prädiktion ist ein verteilungsfreier Rahmen zur Konstruktion statistisch valider Prädiktionsmengen (für Klassifikation) oder Prädiktionsintervalle (für Regression) um die Ausgabe jedes vortrainierten Modells des maschinellen Lernens. Eingeführt von Vovk, Gammerman und Shafer in ihrer Monographie von 2005, bietet es eine marginale Abdeckungsgarantie für endliche Stichproben – das wahre Label fällt mit einer Wahrscheinlichkeit von mindestens 1-alpha in die Prädiktionsmenge –, ohne parametrische Annahmen über die Datenverteilung zu erfordern.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/de/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.
- ModellkalibrierungMaschinelles Lernen↔ compare
- Quantifizierung von UnsicherheitenSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →