Konformālā prognozēšana
Konformālā prognozēšana ir uz sadalījumu nesaistīts (distribution-free) ietvars statistiski derīgu prognožu kopu (klasifikācijai) vai prognožu intervālu (regresijai) veidošanai ap jebkura iepriekš apmācīta mašīnmācīšanās modeļa izvadi. Ieviesti Vovk, Gammerman un Shafer viņu 2005. gada monogrāfijā, tie nodrošina galīgās izlases (finite-sample) marginālo seguma garantiju — patiesā atzīme iekļaujas prognožu kopā ar vismaz 1-alfa varbūtību — neprasot parametriskus pieņēmumus par datu sadalījumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Kā citēt šo lapu
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/lv/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.
- Modeļa kalibrēšanaMašīnmācīšanās↔ compare
- Nenoteiktības kvantifikācijaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →