AITOP

Mondrian CP

共 1 条相关 AI 资讯
7月30日
11:15
11:15官方账号arXiv cs.AI@Manpreet Singh, Akshatha Srikantha, Shyamal Lakhanpal
针对信用评分、欺诈检测等高风险中类别不平衡和不对称错误成本问题，该研究比较了边际共形预测（marginal CP）、类条件共形预测（Mondrian CP）和成本控制弃权机制。在15个真实不平衡数据集、7个分类模型、3种校准方法和10个随机种子下进行3150次实验。结果显示Mondrian CP将少数类覆盖率平均提升61.7个百分点（p<1e-80），而边际CP在某些数据集上少数类覆盖率低至0.5%。结合成本控制弃权还进一步降低了预期决策成本，并量化了将模糊实例交给人类专家判断的盈亏平衡阈值。
论文共形预测Mondrian CP成本敏感
推荐理由：这论文用海量实验证明，碰到严重不平衡数据时，传统预测区间会漏掉少数类，Mondrian CP加弃权能大幅提升覆盖率和成本效益，做高风险决策的值得看。
原文