Buchumschlag

LOCUS: A Distribution-Free Loss-Quantile Score for Risk-Aware Predictions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Barreto, Matheus, de Castro, Mário, Ramos, Thiago R., Valle, Denis, Izbicki, Rafael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Epistemic Uncertainty in Conformal Scores: A Unified Approach
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2025)

LoBoost: Fast Model-Native Local Conformal Prediction for Gradient-Boosted Trees
von: Santos, Vagner, et al.
Veröffentlicht: (2026)

Distribution-Free Conformal Joint Prediction Regions for Neural Marked Temporal Point Processes
von: Dheur, Victor, et al.
Veröffentlicht: (2024)

PersonalizedUS: Interpretable Breast Cancer Risk Assessment with Local Coverage Uncertainty Quantification
von: Fröhlich, Alek, et al.
Veröffentlicht: (2024)

Effects of label noise on the classification of outlier observations
von: de Farias, Matheus Vinícius Barreto, et al.
Veröffentlicht: (2025)

Conformal Calibration of Statistical Confidence Sets
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2024)

RFFNet: Large-Scale Interpretable Kernel Methods via Random Fourier Features
von: Otto, Mateus P., et al.
Veröffentlicht: (2022)

CP4SBI: Local Conformal Calibration of Credible Sets in Simulation-Based Inference
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2025)

DiNo and RanBu: Lightweight Predictions from Shallow Random Forests
von: Santos, Tiago Mendonça dos, et al.
Veröffentlicht: (2025)

Regression Trees for Fast and Adaptive Prediction Intervals
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2024)

Benchmarking Tabular Foundation Models for Conditional Density Estimation in Regression
von: Izbicki, Rafael, et al.
Veröffentlicht: (2026)

A Robust Quantile Huber Loss With Interpretable Parameter Adjustment In Distributional Reinforcement Learning
von: Malekzadeh, Parvin, et al.
Veröffentlicht: (2024)

Likelihood-Free Frequentist Inference: Bridging Classical Statistics and Machine Learning for Reliable Simulator-Based Inference
von: Dalmasso, Niccolò, et al.
Veröffentlicht: (2021)

Trustworthy predictive distributions for rare events via diagnostic transport maps
von: Cucuzzella, Elizabeth, et al.
Veröffentlicht: (2026)

Classification under Nuisance Parameters and Generalized Label Shift in Likelihood-Free Inference
von: Masserano, Luca, et al.
Veröffentlicht: (2024)

CREDO: Epistemic-Aware Conformalized Credal Envelopes for Regression
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2026)

Quantile Learn-Then-Test: Quantile-Based Risk Control for Hyperparameter Optimization
von: Farzaneh, Amirmohammad, et al.
Veröffentlicht: (2024)

QuEst: Enhancing Estimates of Quantile-Based Distributional Measures Using Model Predictions
von: Deng, Zhun, et al.
Veröffentlicht: (2025)

LOCUS: LOcalization with Channel Uncertainty and Sporadic Energy
von: Biswas, Subrata, et al.
Veröffentlicht: (2023)

On Learning the Tail Quantiles of Driving Behavior Distributions via Quantile Regression and Flows
von: Tee, Jia Yu, et al.
Veröffentlicht: (2023)

Composite Quantile Regression With XGBoost Using the Novel Arctan Pinball Loss
von: Sluijterman, Laurens, et al.
Veröffentlicht: (2024)

Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction
von: Nguyen, Drew T., et al.
Veröffentlicht: (2024)

Integrating Uncertainty Awareness into Conformalized Quantile Regression
von: Rossellini, Raphael, et al.
Veröffentlicht: (2023)

Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles
von: Hoekstra, Cas Oude, et al.
Veröffentlicht: (2025)

Safety-Aware Reinforcement Learning for Control via Risk-Sensitive Action-Value Iteration and Quantile Regression
von: Enwerem, Clinton, et al.
Veröffentlicht: (2025)

Distribution-Free Pretraining of Classification Losses via Evolutionary Dynamics
von: Xiang, Meng, et al.
Veröffentlicht: (2026)

Mitigating Long-Tailed Anomaly Score Distributions with Importance-Weighted Loss
von: Lee, Jungi, et al.
Veröffentlicht: (2026)

Minimax Linear Regression under the Quantile Risk
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2024)

Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise
von: Pouplin, Thomas, et al.
Veröffentlicht: (2024)

Distributional GFlowNets with Quantile Flows
von: Zhang, Dinghuai, et al.
Veröffentlicht: (2023)

Temporal Conformal Prediction (TCP): A Distribution-Free Statistical and Machine Learning Framework for Adaptive Risk Forecasting
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Quantile Geometry Regularization for Distributional Reinforcement Learning
von: Zhang, Zhaofan, et al.
Veröffentlicht: (2026)

Quantile-Coupled Flow Matching for Distributional Reinforcement Learning
von: Groom, Michael, et al.
Veröffentlicht: (2026)

Quantile-Free Uncertainty Quantification in Graph Neural Networks
von: park, Soyoung, et al.
Veröffentlicht: (2026)

Conformal Prediction via Transported Beta Laws
von: Ramos, Thiago R., et al.
Veröffentlicht: (2026)

Distributional Off-Policy Evaluation with Deep Quantile Process Regression
von: Kuang, Qi, et al.
Veröffentlicht: (2026)

Bayesian Estimation of Extreme Quantiles and the Exceedance Distribution for Paretian Tails
von: Johnston, Douglas E.
Veröffentlicht: (2025)

Deep Distributional Learning with Non-crossing Quantile Network
von: Shen, Guohao, et al.
Veröffentlicht: (2025)

Distribution-Free Process Monitoring with Conformal Prediction
von: Burger, Christopher
Veröffentlicht: (2025)

Distribution Free Prediction Sets for Node Classification
von: Clarkson, Jase
Veröffentlicht: (2022)