پیشبینی تطبیقی
پیشبینی تطبیقی (Conformal Prediction) چارچوبی مستقل از توزیع برای ساخت مجموعههای پیشبینی معتبر آماری (برای طبقهبندی) یا بازههای پیشبینی (برای رگرسیون) حول خروجی هر مدل یادگیری ماشین از پیش آموزشدیده است. این روش که توسط ووفک، گامرمن و شیفر در تکنگاشت سال ۲۰۰۵ خود معرفی شد، تضمین پوشش حاشیهای نمونه متناهی را فراهم میکند — برچسب واقعی با احتمال حداقل ۱-آلفا در مجموعه پیشبینی قرار میگیرد — بدون نیاز به مفروضات پارامتری در مورد توزیع دادهها.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/fa/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.
- کالیبراسیون مدلیادگیری ماشین↔ compare
- کمیسازی عدم قطعیتشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →