Conformal Prediction
Conformal Prediction on (konformaalinen ennustaminen) on jakaumavapaa kehys, jolla voidaan muodostaa tilastollisesti päteviä ennustusjoukkoja (luokittelussa) tai ennustusvälejä (regressiossa) minkä tahansa esikoulutetun koneoppimismallin tulosten ympärille. Vovk, Gammerman ja Shafer esittelivät sen vuonna 2005 julkaistussa monografiassaan. Se tarjoaa äärellisen otoksen marginaalisen kattavuuden takuun – todellinen luokka sisältyy ennustusjoukkoon vähintään todennäköisyydellä 1-alfa – ilman, että datan jakaumasta tarvitaan parametrisia oletuksia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/fi/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.
- Mallin kalibrointiKoneoppiminen↔ compare
- Epävarmuuden kvantifiointiSimulointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →