Skew-adaptive conformal prediction:自适应偏态的分位数预测区间
做回归预测且需要不确定性量化的团队,这篇论文提供了一种能自适应数据偏态的新方法,比传统共形预测区间更高效,值得关注。
做回归预测且需要不确定性量化的团队,这篇论文提供了一种能自适应数据偏态的新方法,比传统共形预测区间更高效,值得关注。
该工作将图拓扑显式融入共形预测的局部化过程,解决了图场景下传统方法嵌入邻近性不可靠的问题,为图神经网络的可靠不确定性量化提供了新方案,对需要鲁棒预测的图应用(如分子性质预测、社交网络分析)具有实用价值。