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
44

相关内容

专知会员服务
130+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
128+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
22+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
71+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
167+阅读 · 2020年3月18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
3+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
2+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
Arxiv
0+阅读 · 2023年10月17日
A Survey of Large Language Models
Arxiv
495+阅读 · 2023年3月31日
VIP会员
相关主题
相关VIP内容
专知会员服务
130+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
128+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
22+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
71+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
167+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
3+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
2+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
相关论文
微信扫码咨询专知VIP会员