MS-RLCP

新研究解决一致性预测方法中的数据偏移问题

两篇新研究论文探讨了处理数据偏移的高级一致性预测技术。第一篇论文介绍了多源随机局部化一致性预测（MS-RLCP），以利用来自异构数据源的互补信息，即使在测试分布与单个源显著不同的情况下也能建立覆盖界限。第二篇论文提出了一种用于分割一致性预测的标签偏移调整贝叶斯分数（LSA score），该方法通过重新加权源预测器来调整贝叶斯一致性方法，以在标签偏移下保持覆盖率。该LSA分数旨在与现有方法相比，产生更短、更准确的预测区间。