每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

时间序列在线共形预测中的相关性感知阈值

Created by
  • Haebom

作者

Théo Dupuy、徐彬彬、St ephane Perrey、Jacky Montmain、Abdelhak Imoussaten

大纲

本文提出了一种改进的在线共形预测 (OCP) 方法，OCP 是机器学习中不确定性量化的一个分支。具体而言，我们重点指出了现有 OCP 方法的局限性，这些方法仅考虑预测区间的覆盖效度来解释数据分布随时间的变化。因此，我们提出了一种新的阈值更新方法，该方法能够反映预测区间的“相关性”。该方法旨在减小预测区间的宽度，并通过在真实数据集上的实验证明了该方法的有效性。

Takeaways，Limitations

•
Takeaways：
◦
通过考虑预测区间的相关性来提高预测性能，这在现有的 OCP 方法中被忽视了。
◦
防止阈值更新过程中预测区间的突然变化，从而允许更窄的预测区间。
◦
通过在真实数据集上的实验证明了所提出方法的有效性。
•
Limitations：
◦
可能缺少对具体相关功能的详细描述或对功能选择标准的提及。
◦
可能需要进一步研究来确定所提出方法的普遍性及其对其他类型时间序列数据的适用性。
◦
可能需要考虑计算复杂性的潜在增加。
👍
Made with Slashpage