ترجمه فارسی مقاله مجانبی برای استنتاج منسجم

چکیده

Conformal inference is a versatile tool for building prediction sets in regression or classification. In this paper, we consider the false coverage proportion (FCP) in a transductive setting with a calibration sample of n points and a test sample of m points. We identify the exact, distribution-free, asymptotic distribution of the FCP when both n and m tend to infinity. This shows in particular that FCP control can be achieved by using the well-known Kolmogorov distribution, and puts forward that the asymptotic variance is decreasing in the ratio n/m. We then provide a number of extensions by considering the novelty detection problem, weighted conformal inference and distribution shift between the calibration sample and the test sample. In particular, our asymptotical results allow to accurately quantify the asymptotical behavior of the errors when weighted conformal inference is used.

چکیده به فارسی (ترجمه ماشینی)

استنباط کنفورماسی ابزاری همه کاره برای مجموعه های پیش بینی ساختمان در رگرسیون یا طبقه بندی است.در این مقاله ، ما نسبت پوشش کاذب (FCP) را در یک محیط فراملی با یک نمونه کالیبراسیون از نقاط N و یک نمونه آزمون از نقاط M در نظر می گیریم.ما توزیع دقیق ، بدون توزیع و بدون علامت FCP را شناسایی می کنیم که هر دو N و M تمایل به بی نهایت دارند.این به طور خاص نشان می دهد که کنترل FCP با استفاده از توزیع مشهور Kolmogorov می تواند حاصل شود و بیان می کند که واریانس بدون علامت در نسبت N/M کاهش می یابد.ما سپس با در نظر گرفتن مشکل تشخیص تازگی ، استنباط کنفورماسی وزن و تغییر توزیع بین نمونه کالیبراسیون و نمونه آزمایش ، تعدادی از پسوندها را ارائه می دهیم.به طور خاص ، نتایج بدون علامت ما اجازه می دهد تا رفتار بدون علامت خطاها را هنگام استفاده از استنتاج کنفورماسی وزن ، به طور دقیق اندازه گیری کنیم.