Prédiction conforme
La prédiction conforme est un cadre sans distribution pour construire des ensembles de prédiction statistiquement valides (pour la classification) ou des intervalles de prédiction (pour la régression) autour de la sortie de tout modèle d'apprentissage automatique pré-entraîné. Introduite par Vovk, Gammerman et Shafer dans leur monographie de 2005, elle fournit une garantie de couverture marginale en échantillon fini — l'étiquette vraie tombe à l'intérieur de l'ensemble de prédiction avec une probabilité d'au moins 1-alpha — sans nécessiter d'hypothèses paramétriques sur la distribution des données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Comment citer cette page
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/fr/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.
- Calage du modèleApprentissage automatique↔ compare
- Quantification de l'incertitudeSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →