Previsione conformazionale: Una delicata introduzione

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Conformal Prediction: A Gentle Introduction

Contenuto del libro:

I modelli di apprendimento automatico "black-box" sono ora utilizzati di routine in contesti ad alto rischio, come la diagnostica medica, che richiedono la quantificazione dell'incertezza per evitare i conseguenti fallimenti del modello. La predizione conforme è un paradigma facile da usare per creare insiemi/intervalli di incertezza statisticamente rigorosi per le previsioni di tali modelli. Si può usare la predizione conforme con qualsiasi modello pre-addestrato, come una rete neurale, per produrre insiemi che sono garantiti per contenere la verità di base con una probabilità specificata dall'utente, come il 90%. È facile da capire e da usare e, in generale, si applica naturalmente ai problemi che si presentano nei campi della computer vision, dell'elaborazione del linguaggio naturale e dell'apprendimento per rinforzo profondo, tra gli altri.

In questa introduzione pratica, gli autori forniscono al lettore una comprensione pratica della predizione conforme e delle relative tecniche di quantificazione dell'incertezza senza distribuzione. Gli autori guidano il lettore attraverso la teoria e gli esempi pratici della predizione conforme e ne descrivono le estensioni a compiti complessi di apprendimento automatico che coinvolgono output strutturati, spostamenti di distribuzione, serie temporali, outlier, modelli che si astengono e altro ancora. Nel testo sono presenti numerose illustrazioni esplicative, esempi ed esempi di codice in Python. Ogni esempio di codice è accompagnato da un notebook Jupyter che implementa il metodo su un esempio di dati reali.

Questo tutorial pratico, ricco di esempi pratici e accessibili, è una lettura essenziale per tutti gli studenti, i professionisti e i ricercatori che lavorano su tutti i tipi di sistemi che utilizzano tecniche di apprendimento automatico.