Incertezza della Predizione Conforme Spiegata tramite Localizzazione della Calibrazione
Il nuovo framework sviluppato, ConformaDecompose, valuta la riducibilità dell'incertezza conforme epistemica indotta dalla calibrazione attraverso una localizzazione metodica della calibrazione per compiti di regressione. Questo approccio ha uno scopo diagnostico, non causale, chiarendo come gli intervalli conformi possano contrarsi e stabilizzarsi quando il supporto della calibrazione è concentrato attorno a uno specifico istanza di test, senza stimare l'effettiva incertezza aleatoria o epistemica. Supera una limitazione chiave della Predizione Conforme tradizionale, che utilizza una singola soglia di calibrazione globale che maschera le fonti di incertezza specifiche dell'istanza, fondendo il rumore irriducibile con l'incertezza derivante da dati di addestramento eterogenei, vincoli del modello o discrepanze di calibrazione. Il framework è stato validato su vari benchmark e dataset reali, rivelando approfondimenti sulla larghezza degli intervalli e sul loro potenziale di riduzione. I risultati sono dettagliati in un articolo disponibile su arXiv (2604.27149).
Fatti principali
- ConformaDecompose analizza l'incertezza conforme epistemica indotta dalla calibrazione tramite localizzazione progressiva della calibrazione.
- Il framework è diagnostico, non causale, spiegando come gli intervalli conformi si contraggono e stabilizzano.
- Non stima la vera incertezza aleatoria o epistemica.
- La Predizione Conforme standard utilizza una singola soglia di calibrazione globale.
- L'approccio affronta la confusione tra rumore irriducibile e incertezza da dati eterogenei, limitazioni del modello o disallineamento della calibrazione.
- Testato su benchmark e dati reali.
- Articolo disponibile su arXiv con ID 2604.27149.
- Il metodo è per compiti di regressione.
Entità
Istituzioni
- arXiv