摘要
在机器学习技术应用普及背景下,不确定性量化的重要性显著提升。共形预测因其无需分布假设即可保证边际覆盖效果,成为解决不确定性量化问题的有效方式。然而,现有共形预测方法存在保守性过强缺陷,突出表现为生成的预测区间在输入空间中长度固定或仅有微弱变化。针对此局限,文章创新性的融合共形预测与经典分位数回归,构建了12种混合预测模型,将其应用于时间序列数据分析实现了动态自适应的共形预测区间构建。实验结果显示:针对多种不确定性评价量化指标来说,所提出的融合集成批量预测区间方法的模型较现有自适应共形预测方法优势显著,既保障覆盖率有效性又能生成更窄且信息量更丰富的预测区间,为实际应用提供更具参考价值的预测结果。
出处
《统计与管理》
2025年第6期23-36,共14页
Statistics and Management
基金
甘肃省教育厅“双一流”科研重点项目“甘肃省经济高质量发展的统计测度、战略选择及实现路径”(GSSYLXM-06)
甘肃省高校研究室“创新之星”项目“新质生产力要素赋能高质量发展:理论机制与影响路径”(2025CXZX-872)。
