Buchumschlag

Revamping Conformal Selection With Optimal Power: A Neyman--Pearson Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qin, Jing, Liu, Yukun, Li, Moming, Huang, Chiung-Yu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neyman-Pearson and equal opportunity: when efficiency meets fairness in classification
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

Neyman-Pearson multiclass classification under label noise via empirical likelihood
von: Zhang, Qiong, et al.
Veröffentlicht: (2026)

Neyman-Pearson Multi-class Classification via Cost-sensitive Learning
von: Tian, Ye, et al.
Veröffentlicht: (2021)

Beyond Neyman-Pearson: e-values enable hypothesis testing with a data-driven alpha
von: Grünwald, Peter
Veröffentlicht: (2022)

Integration of Individual Participant and Aggregate Data Under Dataset Shift: Summary Statistic Comparison and Scalable Computation
von: Huang, Ming-Yueh, et al.
Veröffentlicht: (2026)

Tensor Neyman-Pearson Classification: Theory, Algorithms, and Error Control
von: Liu, Lingchong, et al.
Veröffentlicht: (2025)

Instability of inverse probability weighting methods and a remedy for non-ignorable missing data
von: Li, Pengfei, et al.
Veröffentlicht: (2025)

Adaptive Neyman Allocation
von: Zhao, Jinglong
Veröffentlicht: (2023)

Empirical likelihood meta analysis with publication bias correction under Copas-like selection model
von: Li, Mengke, et al.
Veröffentlicht: (2025)

Retrospective score tests versus prospective score tests for genetic association with case-control data
von: Liu, Yukun, et al.
Veröffentlicht: (2025)

Transportable inference using target population summary statistics under covariate shift
von: Sheng, Ying, et al.
Veröffentlicht: (2026)

Conformal predictive intervals in survival analysis: a re-sampling approach
von: Qin, Jing, et al.
Veröffentlicht: (2024)

A Neyman-Orthogonalization Approach to the Incidental Parameter Problem
von: Bonhomme, Stéphane, et al.
Veröffentlicht: (2024)

Complementary strengths of the Neyman-Rubin and graphical causal frameworks
von: Gorbach, Tetiana, et al.
Veröffentlicht: (2025)

Maximum likelihood abundance estimation from capture-recapture data when covariates are missing at random
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

Bayesian inference for Neyman-Scott point processes with anisotropic clusters
von: Dvořák, Jiří, et al.
Veröffentlicht: (2025)

Optimal Model Selection for Conformalized Robust Optimization
von: Bao, Yajie, et al.
Veröffentlicht: (2025)

On the Equivalence between Neyman Orthogonality and Pathwise Differentiability
von: Chen, Yuxi, et al.
Veröffentlicht: (2026)

Optimized Conformal Selection: Powerful Selective Inference After Conformity Score Optimization
von: Bai, Tian, et al.
Veröffentlicht: (2024)

Pearson's correlation under the scope: Assessment of the efficiency of Pearson's correlation to select predictor variables for linear models
von: Attallah, Mustafa
Veröffentlicht: (2024)

Semi-parametric Bayesian inference under Neyman orthogonality
von: Sabbagh, Magid, et al.
Veröffentlicht: (2026)

Semiparametric Learning from Open-Set Label Shift Data
von: Liu, Siyan, et al.
Veröffentlicht: (2025)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Critical issues with the Pearson's chi-square test
von: Gurvich, Vladimir, et al.
Veröffentlicht: (2025)

Diversifying Conformal Selections
von: Nair, Yash, et al.
Veröffentlicht: (2025)

Sigmoid-FTRL: Design-Based Adaptive Neyman Allocation for AIPW Estimators
von: Chen, Fangyi, et al.
Veröffentlicht: (2025)

Stronger Neyman Regret Guarantees for Adaptive Experimental Design
von: Noarov, Georgy, et al.
Veröffentlicht: (2025)

Enhancing Statistical Validity and Power in Hybrid Controlled Trials: A Randomization Inference Approach with Conformal Selective Borrowing
von: Zhu, Ke, et al.
Veröffentlicht: (2024)

Classification-Powered Conformal Inference for Zero-inflated Outcomes
von: Li, Zhirui, et al.
Veröffentlicht: (2026)

Neyman Jackknife: Design-Based Variance Estimation for Causal Inference under Interference
von: Park, Bryan, et al.
Veröffentlicht: (2026)

Causal generalized linear models via Pearson risk invariance
von: Polinelli, Alice, et al.
Veröffentlicht: (2024)

Multivariate Conformal Selection
von: Bai, Tian, et al.
Veröffentlicht: (2025)

Selection and Aggregation of Conformal Prediction Sets
von: Yang, Yachong, et al.
Veröffentlicht: (2021)

int3ract: Johnson-Neyman Technique and its Three-Way Extension for Frequentist and Bayesian Models in R
von: Krause, Robert W.
Veröffentlicht: (2026)

Pearson Chi-squared Conditional Randomization Test
von: Javanmard, Adel, et al.
Veröffentlicht: (2021)

Penalized empirical likelihood estimation and EM algorithms for closed-population capture-recapture models
von: Liu, Yang, et al.
Veröffentlicht: (2022)

Distributed Conditional Feature Screening via Pearson Partial Correlation with FDR Control
von: Pang, Naiwen, et al.
Veröffentlicht: (2024)

Selection from Hierarchical Data with Conformal e-values
von: Lee, Yonghoon, et al.
Veröffentlicht: (2025)

Recursive Neyman Algorithm for Optimum Sample Allocation under Box Constraints on Sample Sizes in Strata
von: Wesołowski, Jacek, et al.
Veröffentlicht: (2023)