Distributional conformal prediction
分布共形预测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以条件分布和分位数模型构造预测区间，并明确包含多步预测及时间序列应用。
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…
分布共形预测
- 研究问题
- 如何利用条件分布模型构造适应异方差的预测区间，并在模型误设、过拟合或时间序列情形下保留覆盖保证？
- 方法与思路
- 作者利用概率积分变换，对估计秩进行置换，结合分位数或分布回归构造区间，并提出区间形状调整方法。
- 材料陈述的贡献
- 摘要称一致估计下可获得近似条件有效性，若干更复杂情形下具有近似无条件有效性，形状调整可产生最优区间。
- 阅读关注点
- 应核对条件与无条件覆盖各自的假设、估计秩与预测变量的关系、时间依赖处理，以及最优区间的评价准则。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明覆盖误差界、依赖条件及最优性的具体适用范围。
原文摘要
We propose a robust method for constructing conditionally valid prediction intervals based on models for conditional distributions such as quantile and distribution regression. Our approach can be applied to important prediction problems including cross-sectional prediction, k-step-ahead forecasts, synthetic controls and counterfactual prediction, and individual treatment effects prediction. Our method exploits the probability integral transform and relies on permuting estimated ranks. Unlike regression residuals, ranks are independent of the predictors, allowing us to construct conditionally valid prediction intervals under heteroskedasticity. We establish approximate conditional validity under consistent estimation and provide approximate unconditional validity under model misspecification, overfitting, and with time series data. We also propose a simple "shape" adjustment of our baseline method that yields optimal prediction intervals.