스코어 변환으로 역컨포멀 예측 커버리지 경계 강화

초록

본 논문은 역컨포멀 예측(BCP)에서 마코프 부등식이 초래하는 과도한 보수성을 완화하기 위해, 비정합 점수에 데이터 의존적 변환을 적용한다. 제안된 ST‑BCP는 변환 함수를 최적화하여 커버리지 하한을 더 타이트하게 만들고, LOO 추정량의 일관성을 유지한다. 실험 결과 CIFAR‑10/100 및 Tiny‑ImageNet에서 평균 커버리지 격차를 4.20%→1.12%로 크게 감소시켰다.

상세 분석

역컨포멀 예측(BCP)은 사전에 정의된 예측 집합 크기 상한 T 을 만족하도록 미커버리지 수준 \tilde α 을 뒤에서 조정하고, 그 기대값 E