A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. - GitHub - valeman/awesome-conformal-predicti...
Black-box machine learning models are now routinely used in high-risk settings, like medical diagnostics, which demand uncertainty quantification to avoid consequential model failures. Conformal prediction is a user-friendly paradigm for creating statistically rigorous uncertainty sets/intervals for the predictions of such models. Critically, the sets are valid in a distribution-free sense: they possess explicit, non-asymptotic guarantees even without distributional assumptions or model assumptions. One can use conformal prediction with any pre-trained model, such as a neural network, to produce sets that are guaranteed to contain the ground truth with a user-specified probability, such as 90%. It is easy-to-understand, easy-to-use, and general, applying naturally to problems arising in the fields of computer vision, natural language processing, deep reinforcement learning, and so on. This hands-on introduction is aimed to provide the reader a working understanding of conformal...
同じリストにある。
コンフォーマル 予測の方法論も、少なくとも逆確率の重み付けという点では、コズルと呼応している。それ以上はまだ読んでいない。たくさんの定義がある)
潜在的な結果の定義も同じように使われている。しかし、二値分類の場合はすでに明確になっている。つまり、三変数や道具変数が導入されていない。
こんにちは!
いろいろな方法を試している。
そしてNN+GAアルゴリズムが成果を上げている。ずっと安定している。
こんにちは!
いろいろな方法を試しています。
そしてNN+GAアルゴリズムが成果を上げている。ずっと安定している。
ウォッカと鹿肉とキュウリで夜の読書。
テーマを発展させ、異なるMOSHの分野からのアプローチを頭の中でリンクさせようとしている。
ウォッカと鹿肉とキュウリの夕べに読む本。
テーマを発展させ、異なるMOSH分野からのアプローチを頭の中でリンクさせようとしている。
食欲と軽い二日酔い)。
確率論的予測は、確率論的予測とは 別物だと書いているが、非常に似ているように思う。私が理解した限りでは、コンフォーマルは分類に重点を置いていて、確率論的は回帰に重点を置いている。
どこかでdts間の最大利益を比較したのを覚えています。あるチャートで、最大利益を得るためにどのようなアルゴリズムを使ったのですか?最適化によってか、それとも厳密なアルゴリズムが あるのか。
そしてワンパス。フォーラムのどこかで。
食事を楽しみ、軽い二日酔いになる)
両者は別物だと書いているが、確率的予測に 非常に似ているようだ。私が理解した限りでは、コンフォーマルは分類に特化していて、確率的は回帰に特化している。
ありがとうございます。彼らは分類も回帰も関係ないと書いています。検証ネットワークでの比較によって予測値の推定値を得る方法は明確です("帰納的 "の場合、つまりより速く単純な方法です)。「Transductive "も多かれ少なかれ明確ですが、サンプルの例と同じ数のモデルをトレーニングする必要があるので、非常に時間がかかります。また、CVのような中間的なバリエーションもある。
最終的なモデルがどのように訓練されるのか、どこで何が置き換えられるのか、記事を読んでもよく理解できなかった。kozulaのように、モデルの重みの補正、そのキャリブレーション(サンプルの重み付け)か何かによって行われるのでしょうか。あるいは、評価後に最も可能性の高いマーカーがモデルに代入される。私はこの目的のために2番目のモデルを使い、悪い例での取引を禁止した。