適合予測における適応的なカバレッジ方策
arXiv stat.ML / 2026/4/3
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、標準的な適合予測（conformal prediction）における重要な制約、すなわちユーザーが選んだ固定のカバレッジ水準を用いると、予測集合が過度に保守的になるか、あるいは空で情報がないものになってしまう可能性がある点を扱う。
- 例ごとの特性に基づいてカバレッジ水準を変化させる適応的カバレッジ方策を導入し、難易度に応じて予測集合のサイズを変えられるようにすることで効率を改善する。
- 本手法は、データ依存であっても統計的な妥当性（保証）を維持するために、e-value や事後（post-hoc）の適合推論（conformal inference）といった最近の技術を活用する。
- 著者らは、キャリブレーション集合に対して leave-one-out 手続きを用いてカバレッジ方策を学習するニューラルネットワークを構築し、理論的なカバレッジ保証と実験による検証の両方を示す。
