Distribution-Free Prediction Sets for Two-Layer Hierarchical Models
双层层级模型的分布无关预测集AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用层级数据的预测集，患者重复观测仅作示例，尚不足以确认经济面板或宏观预测等所列方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
双层层级模型的分布无关预测集
- 研究问题
- 当不同组观测来自不同分布、整体数据不满足常规共形预测的交换性要求时，如何构造具有覆盖保障的预测集？
- 方法与思路
- 作者将共形方法扩展至双层层级结构，提出分布函数汇合、单次子抽样和重复子抽样，用于监督与无监督预测。
- 材料陈述的贡献
- 摘要比较了覆盖率与平均集合大小，建议接受渐近覆盖时使用分布函数汇合，需要覆盖保证时使用重复子抽样。
- 阅读关注点
- 应核对预测对象是新组还是既有组中的观测、各层交换性条件，以及各方法覆盖保证的类型和预测集大小的权衡。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；层级抽样条件与覆盖保证形式未说明，不能推断刊本变化或任意组间异质下的有效性。
原文摘要
We consider the problem of constructing distribution-free prediction sets for data from two-layer hierarchical distributions. For iid data, prediction sets can be constructed using the method of conformal prediction. The validity of conformal prediction hinges on the exchangeability of the data, which does not hold when groups of observations come from distinct distributions, such as multiple observations on each patient in a medical database. We extend conformal methods to a hierarchical setting. We develop CDF pooling, single subsampling, and repeated subsampling approaches to construct prediction sets in unsupervised and supervised settings. We compare these approaches in terms of coverage and average set size. If asymptotic coverage is acceptable, we recommend CDF pooling for its balance between empirical coverage and average set size. If we desire coverage guarantees, then we recommend the repeated subsampling approach. Supplementary materials for this article are available online.