Conformal Prediction
Conformal Prediction is een distributievrij raamwerk voor het construeren van statistisch valide voorspellingsverzamelingen (voor classificatie) of voorspellingsintervallen (voor regressie) rond de output van elk vooraf getraind machine learning-model. Geïntroduceerd door Vovk, Gammerman en Shafer in hun monografie uit 2005, biedt het een marginale dekkingsgarantie voor eindige steekproeven — het ware label valt met ten minste 1-alpha waarschijnlijkheid binnen de voorspellingsverzameling — zonder parametrische aannames over de dataverdeling te vereisen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Deze pagina citeren
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/nl/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.
- ModelkalibratieMachine learning↔ compare
- Kwantificering van OnzekerheidSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →