共形预测(conformal prediction)是一种置信度预测器,它生成具有用户定义的错误率的预测。在某个置信度水平下,所有预测范围的那部分将包括正确的标签或值(分别用于分类和回归问题)。共形预测的好处之一是它可以逐个类地应用,独立保证每个类的错误率。这对于不平衡的分类问题特别有用,因为其可以大大减少偏差。

本教程的目标是详细介绍一种在机器学习中广受欢迎的不确定性量化方法,即共形预测(Conformal Prediction)。

成为VIP会员查看完整内容
39

相关内容

【牛津大学】多级蒙特卡洛方法,70页pdf
专知会员服务
56+阅读 · 2022年2月3日
【干货书】面向工程师的随机过程,448页pdf
专知会员服务
78+阅读 · 2021年11月3日
专知会员服务
122+阅读 · 2021年8月25日
【经典书】主动学习理论,226页pdf,Theory of Active Learning
专知会员服务
122+阅读 · 2021年7月14日
最新《自动微分》综述教程,71页ppt
专知会员服务
21+阅读 · 2020年11月22日
最新【深度生成模型】Deep Generative Models,104页ppt
专知会员服务
68+阅读 · 2020年10月24日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
【AAAI2023】图序注意力网络
专知
5+阅读 · 2022年11月24日
数据分析师应该知道的16种回归技术:分位数回归
数萃大数据
29+阅读 · 2018年8月8日
十分钟掌握Keras实现RNN的seq2seq学习
机器学习研究会
10+阅读 · 2017年10月13日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014年12月31日
Arxiv
0+阅读 · 2023年10月17日
Arxiv
0+阅读 · 2023年10月16日
A Survey of Large Language Models
Arxiv
376+阅读 · 2023年3月31日
VIP会员
相关主题
相关VIP内容
【牛津大学】多级蒙特卡洛方法,70页pdf
专知会员服务
56+阅读 · 2022年2月3日
【干货书】面向工程师的随机过程,448页pdf
专知会员服务
78+阅读 · 2021年11月3日
专知会员服务
122+阅读 · 2021年8月25日
【经典书】主动学习理论,226页pdf,Theory of Active Learning
专知会员服务
122+阅读 · 2021年7月14日
最新《自动微分》综述教程,71页ppt
专知会员服务
21+阅读 · 2020年11月22日
最新【深度生成模型】Deep Generative Models,104页ppt
专知会员服务
68+阅读 · 2020年10月24日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
163+阅读 · 2020年3月18日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员