Buchumschlag

Reliable Statistical Guarantees for Conformal Predictors with Small Datasets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sánchez-Domínguez, Miguel, Lacasa, Lucas, de Vicente, Javier, Rubio, Gonzalo, Valero, Eusebio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards certification: A complete statistical validation pipeline for supervised learning in industry
von: Lacasa, Lucas, et al.
Veröffentlicht: (2024)

Fluid dynamics meet network science: two cases of temporal network eigendecomposition
von: Lacasa, Lucas
Veröffentlicht: (2025)

Dynamical stability and chaos in artificial neural network trajectories along training
von: Danovski, Kaloyan, et al.
Veröffentlicht: (2024)

Statistical limits of correlation detection in trees
von: Ganassali, Luca, et al.
Veröffentlicht: (2022)

Leveraging chaotic transients in the training of artificial neural networks
von: Jiménez-González, Pedro, et al.
Veröffentlicht: (2025)

Variational Garrote for Statistical Physics-based Sparse and Robust Variable Selection
von: Soh, Hyungjoon, et al.
Veröffentlicht: (2025)

Intrinsic Signal Models Defined by the High-Dimensional, Small-Sample Limit
von: Mototake, Yoh-ichi, et al.
Veröffentlicht: (2023)

Out-of-Sample Hydrocarbon Production Forecasting: Time Series Machine Learning using Productivity Index-Driven Features and Inductive Conformal Prediction
von: Idris, Mohamed Hassan Abdalla, et al.
Veröffentlicht: (2025)

Reliable data clustering with Bayesian community detection
von: Neuman, Magnus, et al.
Veröffentlicht: (2025)

Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates
von: Yan, Sen, et al.
Veröffentlicht: (2024)

Boosting SISSO Performance on Small Sample Datasets by Using Random Forests Prescreening for Complex Feature Selection
von: Jiang, Xiaolin, et al.
Veröffentlicht: (2024)

GeoConformal prediction: a model-agnostic framework of measuring the uncertainty of spatial prediction
von: Lou, Xiayin, et al.
Veröffentlicht: (2024)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Online Learning Approach for Survival Analysis
von: Fernandez, Camila, et al.
Veröffentlicht: (2024)

Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil
von: Michelucci, Umberto, et al.
Veröffentlicht: (2024)

Hybrid Summary Statistics
von: Makinen, T. Lucas, et al.
Veröffentlicht: (2024)

Annealed Stein Variational Gradient Descent for Improved Uncertainty Estimation in Full-Waveform Inversion
von: Corrales, Miguel, et al.
Veröffentlicht: (2024)

Characterising the dynamics of unlabelled temporal networks
von: Caligiuri, Annalisa, et al.
Veröffentlicht: (2024)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

GAMMA_FLOW: Guided Analysis of Multi-label spectra by MAtrix Factorization for Lightweight Operational Workflows
von: Rädle, Viola, et al.
Veröffentlicht: (2025)

Position: Solve Layerwise Linear Models First to Understand Neural Dynamical Phenomena (Neural Collapse, Emergence, Lazy/Rich Regime, and Grokking)
von: Nam, Yoonsoo, et al.
Veröffentlicht: (2025)

Detail Across Scales: Multi-Scale Enhancement for Full Spectrum Neural Representations
von: Ni, Yuan, et al.
Veröffentlicht: (2025)

Learning effective good variables from physical data
von: Barletta, Giulio, et al.
Veröffentlicht: (2024)

Development of a high-resolution indoor radon map using a new machine learning-based probabilistic model and German radon survey data
von: Petermann, Eric, et al.
Veröffentlicht: (2023)

Scalable Sparse Regression for Model Discovery: The Fast Lane to Insight
von: Golden, Matthew
Veröffentlicht: (2024)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection
von: Mei, Lin-Feng, et al.
Veröffentlicht: (2024)

Phase transitions reveal hierarchical structure in deep neural networks
von: Ersoy, Ibrahim Talha, et al.
Veröffentlicht: (2025)

Topological Learning in Multi-Class Data Sets
von: Griffin, Christopher, et al.
Veröffentlicht: (2023)

Data augmentation using diffusion models to enhance inverse Ising inference
von: Lim, Yechan, et al.
Veröffentlicht: (2025)

Dreaming Learning
von: Londei, Alessandro, et al.
Veröffentlicht: (2024)

AI Meets Antimatter: Unveiling Antihydrogen Annihilations
von: Ferreira, Ashley, et al.
Veröffentlicht: (2024)

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Renormalized Graph Representations for Node Classification
von: Caso, Francesco, et al.
Veröffentlicht: (2023)

Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2023)

Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers
von: Schmid, Jonas M., et al.
Veröffentlicht: (2026)

Exploring how deep learning decodes anomalous diffusion via Grad-CAM
von: Bae, Jaeyong, et al.
Veröffentlicht: (2024)

Information FOMO: The unhealthy fear of missing out on information. A method for removing misleading data for healthier models
von: Pickering, Ethan, et al.
Veröffentlicht: (2022)

SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra
von: Hájek, Adam, et al.
Veröffentlicht: (2025)