基于相似度导航的图神经网络的合规预测
原文中文,约400字,阅读约需1分钟。发表于: 。Similarity-Navigated Adaptive Prediction Sets (SNAPS) 是一种基于特征相似性和结构邻域的新算法,通过聚合具有相同标签的节点的不符合性得分来提高预测集的有效性,并在保持有效覆盖的同时增加单例命中率。
本文通过理论和实验证明了无视概率值可以减轻在conformal prediction中概率值失配所导致的大预测集的不良影响。提出了一种名为“Sorted Adaptive prediction sets”(SAPS)的新算法,通过丢弃除最大softmax概率以外的所有概率值,生成小型集合并传达逐个实例的不确定性。实验证明SAPS不仅减小了预测集,还提高了预测集的条件覆盖率和适应性。