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...
在同一份名单上。
保角预测 的方法也与科祖尔不谋而合，至少在反概率加权 方面是如此。我还没有读下去。很多定义）
潜在结果的定义也是如此。但二元分类的情况已经比较清楚了。也就是说，没有引入三元变量或工具变量。
我在尝试不同的方法！
我正在尝试不同的方法。
NN+GA算法取得了成效。稳定多了。
你好！
我正在尝试不同的方法。
NN+GA算法取得了成效。稳定多了
与伏特加、鹿肉和黄瓜一起夜读。
我正在构思主题，并试图在脑海中把 MOSH 不同学科的方法联系起来。
伏特加、鹿肉和黄瓜之夜的读物。
我正在构思主题，并试图在脑海中将不同 MOSH 学科的方法联系起来。
祝您胃口大开，宿醉未醒）
这似乎与概率预测 非常相似，尽管他们写道它们是不同的东西。就我目前的理解而言，保形预测更侧重于分类，而概率预测侧重于回归。
我记得您曾在某个地方比较过不同 dts 的最大利润。在某个图表上，你是通过什么算法获得最大利润的？是通过优化还是有严格的算法？
还有单程。在论坛的某个地方。
祝您用餐愉快，宿醉未醒）。
这似乎与概率预测 非常相似，尽管他们在文章中说这是两码事。根据我目前的理解，保形预测更擅长分类，而概率预测更擅长回归。
谢谢：）是的，类似。他们写道，分类或回归并不重要。如何通过在验证网络上进行比较来获得预测估计值是很清楚的（就 "归纳法 "而言，即更快、更简单的方法）。"传导式 "也大致清楚，但速度非常慢，因为它需要训练的模型数量与样本中的示例数量一样多。还有一些中间变体，比如 CV，实际上我自己也是这么做的。
从文章中我不太明白最终的模型是如何训练的，在什么地方替换了什么。还是通过校正模型权重、校准（样本权重）或其他方式，就像在 Kozula 中那样。或者在评估后将最可能的标记替换到模型中。为此，我刚刚使用了第二个模型，它禁止在坏的示例上进行交易。