BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 本文通过理论和实验证明无视概率值可以减轻在 conformal prediction 中概率值失配导致的大预测集的不良影响。
- 提出了一种新算法“Sorted Adaptive prediction sets”(SAPS)，该算法丢弃除最大 softmax 概率以外的所有概率值。
- SAPS 旨在最小化非符合度分数对概率值的依赖，同时保留不确定性信息，生成小型集合。
- 理论上，SAPS 提供了有限样本覆盖保证，并证明其预期集合大小始终小于 APS。
- 广泛的实验验证了 SAPS 不仅减小了预测集，还显著提高了预测集的条件覆盖率和适应性。
➡️
