Machine learningTrustworthy ML
컨포멀 예측
컨포멀 예측(Conformal Prediction)은 사전 훈련된 모든 기계 학습 모델의 출력 주변에 통계적으로 유효한 예측 집합(분류의 경우) 또는 예측 구간(회귀의 경우)을 구성하기 위한 분포-자유(distribution-free) 프레임워크입니다. Vovk, Gammerman, Shafer가 2005년 저서에서 소개한 이 방법은 데이터 분포에 대한 모수적 가정을 요구하지 않으면서, 참 레이블이 최소 1-알파 확률로 예측 집합 내에 포함된다는 유한 표본 주변 커버리지(finite-sample marginal coverage) 보장을 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
이 페이지 인용 방법
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →