PATHBench

新的PATH方法改进了表格数据的区间预测

研究人员开发了PATH，一种利用自回归树层次结构对表格数据进行区间预测的新颖方法。该方法模拟了区间的层次结构几何，学习概率质量如何从较大的区间流向较小的、嵌套的区间。通过将学习与提取对齐，PATH精炼了概率分布，以生成更短、更准确的预测区间。在包含56个OpenML回归数据集的PATHBench数据集上的评估中，PATH显著优于24种基线方法，实现了0.1473的平均归一化长度，同时保持了0.9144的平均覆盖率。