能量评分FullCP区域几何破局:星形结构+径向重建,1<β<2无条件覆盖!
Common-Center Geometry and Certified Radial Reconstruction for Energy-Form Full Conformal Regions
arXiv ML (stat.ML) #训练方法#推理优化 🕐 08-27 12:00

📖 AI 总结

本文研究了基于能量形式成对评分的全共形预测(FullCP)区域的几何结构。研究发现,候选评分的凸性本身不足以保证FullCP区域的连通性,即使该评分是损失函数经验平均值。通过直接展开留一法评分,每个训练点比较可视为成对不相似性的子水平条件。在对称性、常数对角线、对角线下界及Fréchet型目标实现条件下,每个比较区域包含公共最小化点;当比较区域为凸时,非平凡精确共形区域围绕该点呈星形。对于幂距离,该确定性几何在β≥1时成立,而传统能量评分在0<β<2时严格适当。在单变量β=1特例中,每个非平凡经验CRPS全共形区域为非空闭区间。在1<β<2且m≥2的无条件重建范围内,显式可检查导数界提供了比较集径向出口的Lipschitz控制,从而通过方向根搜索和Lipschitz扩展机制获得认证的内外径向包络,宽度至多δ+2Lh_U,并具有同射线Hausdorff保证。该重建视角适用于低维多元输出。

🔑 关键词速览

Full Conformal Prediction (FullCP)一种无分布假设的预测方法,通过比较留一评分构建共形区域,提供覆盖保证。
Energy-form pairwise score基于能量距离的成对评分函数,用于衡量预测与观测之间的不相似性。
Star-shaped region存在一个中心点,使得区域内任意点与中心点的连线完全包含在区域内的几何性质。
Fréchet-type objective一类最小化距离平方和的优化目标,其解为均值或类似中心点。
Lipschitz control通过Lipschitz常数限制函数变化率,确保径向出口的稳定性,用于构造认证包络。
infoAI 公众号二维码

📱 每天一份 AI 前沿日报

关注公众号,每天 09:00 推送 · 不错过任何重磅