Buchumschlag

Uncertainty Quantification for Machine Learning: One Size Does Not Fit All

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hofman, Paul, Sale, Yusuf, Hüllermeier, Eyke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty Quantification with Proper Scoring Rules: Adjusting Measures to Prediction Tasks
von: Hofman, Paul, et al.
Veröffentlicht: (2025)

Quantifying Aleatoric and Epistemic Uncertainty with Proper Scoring Rules
von: Hofman, Paul, et al.
Veröffentlicht: (2024)

Second-Order Uncertainty Quantification: Variance-Based Measures
von: Sale, Yusuf, et al.
Veröffentlicht: (2023)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
von: Sale, Yusuf, et al.
Veröffentlicht: (2024)

An Axiomatic Assessment of Entropy- and Variance-based Uncertainty Quantification in Regression
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Regression: A Unified Framework based on kernel scores
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Efficient Credal Prediction through Decalibration
von: Hofman, Paul, et al.
Veröffentlicht: (2026)

Linear Opinion Pooling for Uncertainty Quantification on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

CUQ-GNN: Committee-based Graph Uncertainty Quantification using Posterior Networks
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

Conformal Prediction Regions are Imprecise Highest Density Regions
von: Caprio, Michele, et al.
Veröffentlicht: (2025)

Adjusted Count Quantification Learning on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2025)

Conformal Prediction in Hierarchical Classification with Constrained Representation Complexity
von: Mortier, Thomas, et al.
Veröffentlicht: (2025)

Quantification of Credal Uncertainty: A Distance-Based Approach
von: Gonzalez-Garcia, Xabier, et al.
Veröffentlicht: (2026)

Distribution Matching for Graph Quantification Under Structural Covariate Shift
von: Damke, Clemens, et al.
Veröffentlicht: (2025)

Credal Prediction based on Relative Likelihood
von: Löhr, Timo, et al.
Veröffentlicht: (2025)

Aleatoric and Epistemic Uncertainty Measures for Ordinal Classification through Binary Reduction
von: Haas, Stefan, et al.
Veröffentlicht: (2025)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
von: Sokol, Kacper, et al.
Veröffentlicht: (2025)

Probabilistic Scoring Lists for Interpretable Machine Learning
von: Hanselle, Jonas, et al.
Veröffentlicht: (2024)

Mitigating Label Noise through Data Ambiguation
von: Lienen, Julian, et al.
Veröffentlicht: (2023)

Random Forest Calibration
von: Shaker, Mohammad Hossein, et al.
Veröffentlicht: (2025)

Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods?
von: Jürgens, Mira, et al.
Veröffentlicht: (2024)

A Survey of Reinforcement Learning from Human Feedback
von: Kaufmann, Timo, et al.
Veröffentlicht: (2023)

Conformalized Credal Set Predictors
von: Javanmardi, Alireza, et al.
Veröffentlicht: (2024)

Pairwise Difference Learning for Classification
von: Belaid, Mohamed Karim, et al.
Veröffentlicht: (2024)

One Size Does Not Fit All: Architecture-Aware Adaptive Batch Scheduling with DEBA
von: Belias, François, et al.
Veröffentlicht: (2025)

Unification and Optimization of Robust Supervised Learning
von: Hanselle, Jonas, et al.
Veröffentlicht: (2026)

Structured Credal Learning
von: Venkatesh, Varun, et al.
Veröffentlicht: (2026)

ResponseRank: Data-Efficient Reward Modeling through Preference Strength Learning
von: Kaufmann, Timo, et al.
Veröffentlicht: (2025)

shapiq: Shapley Interactions for Machine Learning
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2024)

Online Selective Conformal Prediction: Errors and Solutions
von: Sale, Yusuf, et al.
Veröffentlicht: (2025)

One Size Does Not Fit All: Token-Wise Adaptive Compression for KV Cache
von: Lu, Liming, et al.
Veröffentlicht: (2026)

Efficient Online Learning with Predictive Coding Networks: Exploiting Temporal Correlations
von: Zadeh-Jousdani, Darius Masoum, et al.
Veröffentlicht: (2025)

Beyond TreeSHAP: Efficient Computation of Any-Order Shapley Interactions for Tree Ensembles
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2024)

One Size Fits All for Semantic Shifts: Adaptive Prompt Tuning for Continual Learning
von: Kim, Doyoung, et al.
Veröffentlicht: (2023)

Quantifying Epistemic Predictive Uncertainty in Conformal Prediction
von: Chau, Siu Lun, et al.
Veröffentlicht: (2026)

Antithetic Sampling for Top-k Shapley Identification
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2025)

Reliable Part-of-Speech Tagging of Historical Corpora through Set-Valued Prediction
von: Heid, Stefan, et al.
Veröffentlicht: (2020)

One Size Does Not Fit All: A Distribution-Aware Sparsification for More Precise Model Merging
von: Luo, Yingfeng, et al.
Veröffentlicht: (2025)

Shapley Value Approximation Based on k-Additive Games
von: Pelegrina, Guilherme Dean, et al.
Veröffentlicht: (2025)

Optimal Conformal Prediction under Epistemic Uncertainty
von: Javanmardi, Alireza, et al.
Veröffentlicht: (2025)