Conformal Prediction
Conformal Prediction เป็นกรอบการทำงานแบบไม่ขึ้นกับรูปแบบการแจกแจง (distribution-free) สำหรับการสร้างเซตการทำนาย (prediction sets) ที่ถูกต้องทางสถิติ (สำหรับการจำแนกประเภท) หรือช่วงการทำนาย (prediction intervals) (สำหรับการถดถอย) รอบผลลัพธ์ของโมเดลการเรียนรู้ของเครื่อง (machine learning model) ที่ได้รับการฝึกฝนไว้ล่วงหน้าแล้ว กรอบงานนี้ถูกนำเสนอโดย Vovk, Gammerman และ Shafer ในตำราปี 2005 ของพวกเขา โดยให้การรับประกันความครอบคลุมแบบขอบเขต (marginal coverage guarantee) ในตัวอย่างที่มีจำนวนจำกัด (finite-sample) — ป้ายกำกับจริงตกอยู่ในเซตการทำนายด้วยความน่าจะเป็นอย่างน้อย 1-alpha — โดยไม่จำเป็นต้องมีข้อสมมติฐานแบบพาราเมตริก (parametric assumptions) เกี่ยวกับการแจกแจงของข้อมูล
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic Learning in a Random World. Springer. ISBN: 978-0-387-00152-4
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Conformal Prediction (Distribution-Free Prediction Sets). ScholarGate. https://scholargate.app/th/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.
- การปรับเทียบโมเดลการเรียนรู้ของเครื่อง↔ compare
- การวัดปริมาณความไม่แน่นอนการจำลอง↔ compare