Augmented-Rank Conformalization

新的ARC方法提供具有有限样本覆盖的鲁棒变化点定位

研究人员开发了ARC（增强秩一致性），一种用于变化点定位的新方法，可确保有限样本覆盖。与可能因分布变化而降低效率的先前方法不同，ARC依赖于段内秩，使其置信集在严格递增的边际变换下保持不变。这种方法即使在神经网络训练错误的情况下也能保持覆盖，并且与即插即用分数相比，在重尾或偏斜的情况下效率更高。ARC已在模拟和测井基准测试中证明了其定位带注释移位的能力，同时还通过空集标记了不匹配的情况。