Konform prediktion
Konform prediktion är ett distributionsfritt ramverk för att konstruera statistiskt giltiga prediktionsmängder (för klassificering) eller prediktionsintervall (för regression) kring utdatan från en förtränad maskininlärningsmodell. Introducerat av Vovk, Gammerman och Shafer i deras monografi från 2005, ger det en garanti för marginaltäckning i ändliga stickprov – den sanna etiketten faller inom prediktionsmängden med minst 1-alfa sannolikhet – utan att kräva parametriska antaganden om datadistributionen.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
Så citerar du den här sidan
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/sv/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.
- ModellkalibreringMaskininlärning↔ compare
- Kvantifiering av osäkerhetSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →