Applying Regression Conformal Prediction with Nearest Neighbors to time series data
将最近邻回归共形预测应用于时间序列数据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：摘要直接讨论时间序列依赖与未来观测的预测区间，因此对应时间序列和预测方法；分类依据是方法对象，摘要未说明宏观应用。
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…
将最近邻回归共形预测应用于时间序列数据
- 研究问题
- 时间序列观测相互依赖，通常不满足共形预测所需的可交换性；如何结合最近邻方法构造可靠的预测区间？
- 方法与思路
- 作者将共形预测应用于时间序列，以采用快速参数调优的加权最近邻方法 FPTO-WNN 作为底层算法，并通过数据分析考察表现。
- 材料陈述的贡献
- 摘要提出最近邻与共形预测结合的时间序列区间预测方案，并称数据分析展示其有效性，但未说明新的理论覆盖保证。
- 阅读关注点
- 应核对训练与校准数据的时间安排、非一致性分数与邻居权重、依赖结构如何处理，以及区间覆盖率和宽度的评估方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出依赖数据下的覆盖定理，不能直接沿用可交换样本的有效性保证。
原文摘要
In this paper, we apply conformal prediction to time series data. Conformal prediction isa method that produces predictive regions given a confidence level. The regions outputs arealways valid under the exchangeability assumption. However, this assumption does not holdfor the time series data because there is a link among past, current, and future observations.Consequently, the challenge of applying conformal predictors to the problem of time seriesdata lies in the fact that observations of a time series are dependent and therefore do notmeet the exchangeability assumption. This paper aims to present a way of constructingreliable prediction intervals by using conformal predictors in the context of time series. Weuse the nearest neighbors method based on the fast parameters tuning technique in theweighted nearest neighbors (FPTO-WNN) approach as the underlying algorithm. Dataanalysis demonstrates the effectiveness of the proposed approach.