arXiv 机器学习· Karl Li (Columbia University)·· 6 小时前AI 评分32
哥伦比亚大学研究提出用已知结构突变点分离共形可靠性与频率校准
Announced Breaks Separate Conformal Reliability from Frequency Calibration
AI 导读
哥伦比亚大学研究者提出在已知突变点进行重置以分别审计共形可靠性与频率校准,该重置规则在独立评分下达到了极小化极大单期速率。在合成突变后的第 50 次预测中,该重置规则的单期差距低于 5 种自适应方法,且在合成突变后的前 50 次预测中在频率审计上全面领先。该方法还在电力市场改革与货币政策决策等实际数据上完成了测试验证。
来源:arXiv 机器学习 · arxiv.org