Isotonic Conformal Prediction

新的等渗共形预测框架增强了模型不确定性量化能力

研究人员推出了一种新的框架——等渗共形预测（ICP），旨在提高机器学习模型不确定性量化的可靠性。ICP的目标是实现自校准和预测条件有效性，前者确保预测无偏，后者保证预测区间维持名义覆盖率。该框架包含两种方法：分裂等渗共形预测（SICP）和传导等渗共形预测（TICP），与现有的自校准共形预测（SC-CP）等方法相比，它们在计算上具有显著优势，同时保持了相当或精确的覆盖率保证。