arXiv ID:
2603.26415
arXiv 提交日期: 2026-03-27
KMM-CP:通过选择性核均值匹配在协变量偏移下的实用保形预测 / KMM-CP: Practical Conformal Prediction under Covariate Shift via Selective Kernel Mean Matching
1️⃣ 一句话总结
这篇论文提出了一种名为KMM-CP的新方法,它通过一种基于核均值匹配的选择性校正技术,有效解决了机器学习模型在数据分布发生变化时预测结果不可靠的问题,从而在药物发现等高风险领域能提供更稳定、更可信的预测不确定性评估。