新框架揭秘预测驱动的推理，实现有效的统计分析

Yilin Song及其同事在arXiv上发表的一篇新论文介绍了一种名为预测驱动推理（Prediction-Powered Inference, PPI）的框架，旨在通过将机器学习预测纳入分析来提高统计效率。该论文综合了现有的PPI方法、它们的理论基础和实际应用，旨在指导研究人员负责任地将预测与标记数据一起使用。作者以房价数据为例，证明了PPI变体可以产生更窄的置信区间，但警告不要将训练数据重复用于推理，这可能导致结果过于保守。他们还提供了一个决策流程图和诊断工具，以帮助从业者应对假设违反并选择合适的PPI方法。 AI

影响 为研究人员提供了一个统一的框架和实用工具，以便负责任地将机器学习预测整合到统计分析中，从而可能提高效率和有效性。

排序理由 该条目是一篇在arXiv上发表的学术论文，详细介绍了一个新的统计框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Prediction-powered inference
• ScienceCast
• Yilin Song

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →