Prediksi Konformal
Prediksi Konformal adalah kerangka kerja bebas distribusi untuk membangun himpunan prediksi (untuk klasifikasi) atau interval prediksi (untuk regresi) yang valid secara statistik di sekitar keluaran dari model pembelajaran mesin apa pun yang telah dilatih sebelumnya. Diperkenalkan oleh Vovk, Gammerman, dan Shafer dalam monograf mereka tahun 2005, kerangka ini memberikan jaminan cakupan marjinal dalam sampel terbatas — label sebenarnya berada di dalam himpunan prediksi dengan probabilitas setidaknya 1-alfa — tanpa memerlukan asumsi parametrik tentang distribusi data.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/id/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.
- Kalibrasi ModelPembelajaran Mesin↔ compare
- Kuantifikasi KetidakpastianSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →