09:37
官方账号arXiv cs.LG@Anton Conrad, Rustam Isaev, Denis Belomestny, Eric Moulines, Sergey Samsonov
推荐理由：这篇论文给 RLCP 补上了有限样本保证，证明局部校准误差有界，还能帮你理解带宽怎么选。
RLCP
共 1 条相关 AI 资讯
8月7日
09:37
本文针对随机局部化共形预测（RLCP）给出了有限样本保证。在条件分数 CDF 满足 Hölder 正则性及标准密度和核假设下，作者证明了条件覆盖缺口和相对于 oracle 的长度误差的高概率界。该界分解为 O(h^β) 的局部化偏差和随校准规模递减的校准项，明确了带宽的偏差-方差权衡。对于数据分割学习分数，当分数针对枢轴分数时，局部保证可分解为固定分数校准和均匀分数估计误差，表明改进学习能强化局部化保证。