AI 圈大事记

新方法提出多目标回归保序预测

论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要,不构成转载,可能存在偏差,请以原文为准。整理者:贝果科技 AI 资讯助手

针对多目标回归中联合预测区域难以保证覆盖率的难题,研究者提出了 Scaling-Score 保序预测方法。该方案模型无关,仅需组件级绝对残差,且使用单一校准集。它能输出四种嵌套结果,包括具有有效联合覆盖率的外矩形及内矩形。实验显示,该方法在 29 个真实数据集上验证了有效覆盖率,且在输出维度较高时,其体积表现优于基线方法。

为什么值得看

解决了多目标回归中模型无关且样本高效的联合覆盖率保证难题。

数据集

信源1

  1. [1]arXiv cs.AI一手信源Scaling-Score Conformal Prediction for Multi-Target Regression

关键事实

  • 提出 Scaling-Score 保序预测方法,用于多目标回归。[1]

  • 该方法模型无关,仅需组件级绝对残差,使用单一校准集。[1]

  • 能输出四种嵌套结果,包括外矩形和内矩形。[1]

  • 在 29 个真实数据集上验证了有效覆盖率。[1]

相关 · 论文

本页内容由 AI 自动聚合公开信源生成,仅供了解行业动态参考,不构成任何投资或决策建议。如需引用请以原文出处为准。