PulseAugur
中
实时 14:02:36

新的RoBAS框架提高了置信预测中预测集的效率

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了RoBAS（Robust Bayes-Assisted Shrinkage，鲁棒贝叶斯辅助收缩），一个用于提高置信预测中预测集效率的新型框架。该方法结合了贝叶斯建模和频率主义保证，能够适应贝叶斯工作模型先验信息的可靠性。RoBAS提供了两种实例化方法：一种使用重尾贝叶斯模型，另一种采用经验贝叶斯收缩得分。在表格和图像回归任务上的评估表明，在标准条件下，RoBAS的表现与现有得分相当，并且在训练、校准和测试集之间数据分布发生变化时，显著减小了区间宽度。 AI

影响 提高了机器学习任务中预测集的效率，尤其是在数据分布发生变化的情况下。

排序理由 该条目是一篇研究论文，详细介绍了一种新的统计方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的RoBAS框架提高了置信预测中预测集的效率

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Kianoosh Ashouritaklimi, Stefano Cortinovis, Fran\c{c}ois Caron ·

    鲁棒贝叶斯辅助一致性预测

    arXiv:2607.04236v1 Announce Type: new Abstract: Bayes-assisted conformal prediction combines the strengths of Bayesian modelling with exact, distribution-free frequentist coverage guarantees. Although conformal validity is preserved even when the Bayesian working model (BWM) is m…

  2. arXiv stat.ML TIER_1 English(EN) · François Caron ·

    鲁棒贝叶斯辅助一致性预测

    Bayes-assisted conformal prediction combines the strengths of Bayesian modelling with exact, distribution-free frequentist coverage guarantees. Although conformal validity is preserved even when the Bayesian working model (BWM) is misspecified, the size of the resulting predictio…

相关实体

相关话题