SPACR单遍自适应共形回归方法

研究者提出SPACR（Single-Pass Adaptive Conformal Regressor）方法，旨在解决传统共形回归中的计算成本问题。该方法通过单次自适应训练实现不确定性感知，无需进行批次划分或预设置信度，直接优化模型性能。 SPACR在可微损失函数框架内直接训练不确定性感知回归器，联合优化准确率、效率与有效性。相比DOICR等需要昂贵重训练的现有方法，SPACR显著降低了计算成本，避免了重复训练带来的资源消耗。 实验结果表明，SPACR在表格和图像数据集上表现优越，能够生成比标准共形回归及DOICR更窄的有效预测区间，同时保持良好的覆盖率-效率权衡。该方法在推理阶段支持多种置信水平，提升了实际应用中的灵活性与效率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。