×
理发师、Rina Foygel;坎代斯，埃马纽埃尔·J。;阿迪提亚·拉姆达斯;Ryan J.Tibshirani。

使用折刀+进行预测推断。 （英语） Zbl 1461.62050

Ann.统计。 49，第1期，486-507（2021）.
小结：本文介绍了jackknife+，这是一种构建预测置信区间的新方法。尽管折刀输出以测试点的预测响应为中心的间隔，间隔的宽度由遗漏残差的分位数决定，但折刀+也使用测试点的遗漏预测来解释拟合回归函数的可变性。假设可交换的训练样本，我们证明，对于任何对称处理训练点的算法，无论数据点的分布如何，这种关键的修改都允许严格的覆盖保证。对于最初的折刀，这样的保证是不可能的，我们演示了覆盖率实际上可能会消失的示例。我们的理论和实证分析表明，只要拟合算法遵循某种形式的稳定性，折刀和折刀+区间就可以实现几乎精确的覆盖，并且具有相似的长度。此外，我们将jackknife+扩展到\（K\）-折叠交叉验证，并类似地建立严格的覆盖属性。我们的方法与提出的交叉共形预测有关V.沃夫克[Ann.Math.Artif.Intell.74，No.1-2，9-28（2015；Zbl 1331.68195号)]我们讨论联系。

引用于17文件

MSC公司：

62G09号 非参数统计重采样方法
62G15年 非参数容差和置信区域
62G08号 非参数回归和分位数回归
68T05型 人工智能中的学习和自适应系统

关键词：

无分销;折刀;交叉验证;共形推理;稳定性;差一法

引文：

Zbl 1331.68195号

软件：

共形推理;Scikit公司
PDF格式BibTeX公司 XML格式引用
\textit{R.F.Barber}等人，Ann.Stat.49，No.1，486--507（2021；Zbl 1461.62050）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Barber，R.F.、Candès，E.J.、Ramdas，A.和Tibshirani，R.J.（2021年）。补充“折刀+预测推理”https://doi.org/10.1214/20-AOS1965SUPP网站
[2] Bousquet，O.和Elisseeff，A.（2002年）。稳定性和泛化。J.马赫。学习。第2号决议499-526·Zbl 1007.68083号
[3] Burnaev，E.和Vovk，V.（2014）。保角岭回归的效率。学习理论会议605-622。
[4] Butler，R.和Rothman，E.D.（1980年）。基于样本重用的预测间隔。J.Amer。统计师。协会75 881-889·Zbl 0472.62045号 ·doi:10.1080/01621459.1980.10477567
[5] Buza，K.（2014）。博客的反馈预测。在数据分析、机器学习和知识发现145-152。柏林施普林格。
[6] Chen，W.，Chun，K.-J.和Barber，R.F.（2018）。用于有效无分布推理的离散保角预测。统计数据7 e173。
[7] Devroye，L.P.和Wagner，T.J.（1979年）。删除和保持误差估计的无分布不等式。IEEE传输。信息理论25 202-207·Zbl 0408.62055号 ·doi:10.1109/TIT.1979.1056032
[8] Efron，B.（1979年）。引导方法：再看一下折刀。安。统计师。7 1-26. ·Zbl 0406.62024号 ·doi:10.1214/aos/1176344552
[9] Efron，B.和Gong，G.（1983年）。从容地看一下引导、折刀和交叉验证。阿默尔。统计师。37 36至48。
[10] Geisser，S.（1975）。预测样本重用方法及其应用。J.Amer。统计师。协会70 320-328·Zbl 0321.62077号 ·doi:10.1080/01621459.1975.10479865
[11] Hastie，T.、Montanari，A.、Rosset，S.和Tibshirani，R.J.（2019年）。高维无脊最小二乘插值的惊喜。预印本。arXiv:1903.08560提供。
[12] Landau，H.G.（1953年）。关于支配关系和动物社会结构。三、 分数结构的条件。牛市。数学。生物物理学。15 143-148.
[13] Lei，J.（2019）。利用分段线性同伦实现套索的快速精确共形。生物特征106 749-764·Zbl 1437.62278号 ·doi:10.1093/biomet/asz046
[14] Lei，J.、G'Sell，M.、Rinaldo，A.、Tibshirani，R.J.和Wasserman，L.（2018）。回归的无分布预测推断。J.Amer。统计师。协会113 1094-1111·Zbl 1402.62155号 ·doi:10.1080/01621459.2017.1307116
[15] Miller，R.G.（1974）。杰克刀——一篇评论。生物特征61 1-15·Zbl 0275.62035号
[16] Papadopoulos，H.（2008）。归纳共形预测：神经网络的理论和应用。维也纳InTech人工智能工具。
[17] Pedregosa，F.、Varoqueux，G.、Gramfort，A.等人（2011年）。Scikit-learn：Python中的机器学习。J.马赫。学习。第12号决议2825-2830·Zbl 1280.68189号
[18] Quenouille，M.H.（1949年）。时间序列相关性的近似检验。J.罗伊。统计师。Soc.序列号。B 11 68-84·Zbl 0035.09201号 ·doi:10.1111/j.2517-6161.194.tb00023.x
[19] Quenouille，M.H.（1956年）。关于估计偏差的注释。Biometrika 43 353-360·Zbl 0074.14003号 ·doi:10.1093/biomet/43.3-4.353
[20] Redmond，M.和Baveja，A.（2002年）。一种数据驱动的软件工具，用于实现警察部门之间的合作信息共享。《欧洲期刊》。第141 660-678号决议·Zbl 1081.68745号 ·doi:10.1016/S0377-2217（01）00264-8
[21] Steinberger，L.和Leeb，H.（2016）。多变量线性回归模型中的删去预测区间。预印。arXiv:1602.05801提供。
[22] Steinberger，L.和Leeb，H.（2018年）。高维稳定算法的条件预测推理。预印。arXiv:1809.01412提供·Zbl 1390.60067号 ·doi:10.3150/16-BEJ888
[23] Stine，R.A.（1985）。回归的引导预测区间。J.Amer。统计师。协会80 1026-1031·兹伯利0582.62038 ·doi:10.1080/01621459.1985.10478220
[24] Stone，M.（1974年）。统计预测的交叉验证选择和评估。J.罗伊。统计师。Soc.序列号。乙36 111-147·Zbl 0308.62063号 ·doi:10.1111/j.2517-6161.1974.tb00994.x
[25] Trena，M.、Ezzati-Rice、Rohde，F.和Greenblatt，J.（2008）。1998-2007年医疗支出小组调查家庭部分的样本设计。MEPS第22号方法报告，医疗研究和质量机构。
[26] Tukey，J.（1958）。在不太大的样本中的偏差和信心。安。数学。统计数据29 614。
[27] Vovk，V.（2012）。归纳共形预测因子的条件有效性。在亚洲机器学习会议475-490。
[28] Vovk，V.（2015）。交叉一致性预测因子。安。数学。Artif公司。智力。74 9-28. ·兹比尔1331.68195 ·doi:10.1007/s10472-013-9368-4
[29] Vovk，V.、Gammerman，A.和Shafer，G.（2005）。随机世界中的算法学习。纽约州施普林格·Zbl 1105.68052号
[30] Vovk，V.、Nourettinov，I.、Manokhin，V.和Gammerman，A.（2018）。交叉正态预测分布。保角和概率预测及应用37-51。
[31] Vovk，V.和Wang，R.（2012）。通过平均值组合p值。预印。可从arXiv:1212.4966获取。
[32] 徐，H。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。