Multi-Variable Conformal Prediction (MCP) 框架提出及优化方法

提出多变量共形预测（MCP）框架，通过单一优化问题联合校准多个预测集参数，在不牺牲有限样本覆盖率保证的前提下消除了校准数据划分。 基于场景理论，框架包含两个变体：RemMCP 基于约束移除优化，推广了分割共形预测；RelMCP 基于惩罚优化，支持非凸问题。 在椭圆和多模态预测集实验中，RemMCP 和启发式 RelMCP 稳定达到目标覆盖率，且方差较低，预测集规模通常小于或等于基线方法。