Konformalne przewidywanie
Konformalne przewidywanie to wolna od założeń dystrybucyjnych rama konstrukcji statystycznie poprawnych zbiorów predykcyjnych (dla klasyfikacji) lub przedziałów predykcyjnych (dla regresji) wokół wyników dowolnego wytrenowanego modelu uczenia maszynowego. Wprowadzona przez Vovka, Gammermana i Shafera w ich monografii z 2005 r., zapewnia gwarancję pokrycia brzegowego w skończonej próbie — prawdziwa etykieta znajduje się w zbiorze predykcyjnym z prawdopodobieństwem co najmniej 1-alfa — bez konieczności przyjmowania założeń parametrycznych dotyczących rozkładu danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Jak cytować tę stronę
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/pl/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.
- Kalibracja modeluUczenie maszynowe↔ compare
- Kwantyfikacja niepewnościSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →