OnlineSCI

新算法实现具有自适应能力的选择性共形推断

研究人员开发了Gibbs和Candès（2021）算法的扩展，称为OnlineSCI，它允许在监督在线环境中进行选择性共形推断。这种新方法使用户能够选择推断的具体时间，将其应用扩展到构建极端结果的预测区间、带弃权的分类以及在线测试等任务。OnlineSCI严格控制整体和基于选择的条件错误率，并且重要的是，它支持点预测算法的自适应更新，可能以明确的收敛率收敛到最优解。