Copertina

A review of predictive uncertainty estimation with machine learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tyralis, Hristos, Papacharalampous, Georgia
Natura:	Preprint
Pubblicazione:	2022
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Uncertainty estimation of machine learning spatial precipitation predictions from satellite data
di: Papacharalampous, Georgia, et al.
Pubblicazione: (2023)

Ensemble learning for uncertainty estimation with application to the correction of satellite precipitation products
di: Papacharalampous, Georgia, et al.
Pubblicazione: (2024)

Variable transformations in consistent loss functions
di: Tyralis, Hristos, et al.
Pubblicazione: (2025)

Learning with the Nash-Sutcliffe loss
di: Tyralis, Hristos, et al.
Pubblicazione: (2026)

Combinations of distributional regression algorithms with application in uncertainty estimation of corrected satellite precipitation products
di: Papacharalampous, Georgia, et al.
Pubblicazione: (2024)

Loss functions arising from the index of agreement
di: Tyralis, Hristos, et al.
Pubblicazione: (2025)

Deep Huber quantile regression networks
di: Tyralis, Hristos, et al.
Pubblicazione: (2023)

Features of the Earth's seasonal hydroclimate: Characterizations and comparisons across the Koppen-Geiger climates and across continents
di: Papacharalampous, Georgia, et al.
Pubblicazione: (2022)

A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning
di: Dewolf, Nicolas
Pubblicazione: (2024)

META-ANOVA: Screening interactions for interpretable machine learning
di: Choi, Yongchan, et al.
Pubblicazione: (2024)

A probabilistic view on Riemannian machine learning models for SPD matrices
di: de Surrel, Thibault, et al.
Pubblicazione: (2025)

Generalising realisability in statistical learning theory under epistemic uncertainty
di: Cuzzolin, Fabio
Pubblicazione: (2024)

Point processes with event time uncertainty
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2024)

On uncertainty-penalized Bayesian information criterion
di: Thanasutives, Pongpisit, et al.
Pubblicazione: (2024)

Semiparametric inference for impulse response functions using double/debiased machine learning
di: Ballinari, Daniele, et al.
Pubblicazione: (2024)

Statistical Agnostic Regression: a machine learning method to validate regression models
di: Gorriz, Juan M, et al.
Pubblicazione: (2024)

Adaptive debiased machine learning using data-driven model selection techniques
di: van der Laan, Lars, et al.
Pubblicazione: (2023)

Incorporating structural uncertainty in causal decision making
di: Kaptein, Maurits
Pubblicazione: (2025)

Categorical and geometric methods in statistical, manifold, and machine learning
di: Lê, Hông Vân, et al.
Pubblicazione: (2025)

Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation
di: Peng, Jingfu, et al.
Pubblicazione: (2025)

Iteratively reweighted kernel machines efficiently learn sparse functions
di: Zhu, Libin, et al.
Pubblicazione: (2025)

Variational bagging: a robust approach for Bayesian uncertainty quantification
di: Fan, Shitao, et al.
Pubblicazione: (2025)

Score-based generative models are provably robust: an uncertainty quantification perspective
di: Mimikos-Stamatopoulos, Nikiforos, et al.
Pubblicazione: (2024)

Deep learning estimation of the spectral density of functional time series on large domains
di: Mohammadi, Neda, et al.
Pubblicazione: (2026)

The surrogate Gibbs-posterior of a corrected stochastic MALA: Towards uncertainty quantification for neural networks
di: Bieringer, Sebastian, et al.
Pubblicazione: (2023)

Wild refitting for black box prediction
di: Wainwright, Martin J.
Pubblicazione: (2025)

Approximate full conformal prediction in an RKHS
di: Razafindrakoto, Davidson Lova, et al.
Pubblicazione: (2026)

Off-policy estimation with adaptively collected data: the power of online learning
di: Lee, Jeonghwan, et al.
Pubblicazione: (2024)

A general framework for deep learning
di: Kengne, William, et al.
Pubblicazione: (2025)

On consistent estimation of dimension values
di: Cholaquidis, Alejandro, et al.
Pubblicazione: (2024)

A sparse PAC-Bayesian approach for high-dimensional quantile prediction
di: Mai, The Tien
Pubblicazione: (2024)

Variance estimation in graphs with the fused lasso
di: Padilla, Oscar Hernan Madrid
Pubblicazione: (2022)

Sample complexity of Schrödinger potential estimation
di: Puchkin, Nikita, et al.
Pubblicazione: (2025)

Universal distribution of the empirical coverage in split conformal prediction
di: F, Paulo C. Marques
Pubblicazione: (2023)

Scalable and adaptive prediction bands with kernel sum-of-squares
di: Allain, Louis, et al.
Pubblicazione: (2025)

Sharp asymptotic theory for Q-learning with LDTZ learning rate and its generalization
di: Bonnerjee, Soham, et al.
Pubblicazione: (2026)

Precise Asymptotics of Bagging Regularized M-estimators
di: Koriyama, Takuya, et al.
Pubblicazione: (2024)

On the number of modes of Gaussian kernel density estimators
di: Geshkovski, Borjan, et al.
Pubblicazione: (2024)

Proper scoring rules for estimation and forecast evaluation
di: Waghmare, Kartik, et al.
Pubblicazione: (2025)

Distribution free M-estimation
di: Areces, Felipe, et al.
Pubblicazione: (2025)