Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije

diplomski rad

• Naslov (engleski): Distribution-Free Uncertainty Quantification of Machine Learning Models Using Conformal Prediction
• Autor: Josip Domazet
• Mentor: Damir Pintar (mentor)
• Član povjerenstva: Damir Pintar (predsjednik povjerenstva)
• Član povjerenstva: Boris Vrdoljak (član povjerenstva)
• Član povjerenstva: Mihaela Vranić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-09-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Konformna predikcija neparametarska je metoda za kvantificiranje neizvjesnosti modela strojnog učenja. Može se koristiti povrh bilo kojeg modela strojnog učenja. Konformna predikcija proizvodi kalibrirane prediktivne skupove i garantira marginalnu pokrivnost točne vrijednosti koristeći konačan broj podatkovnih točaka, bilo koji model i bilo koju podatkovnu distribuciju.
Mjerna nekonformnosti je ključan koncept konformne predikcije i mjera je koliko se novi primjerak ne konformira viđenim primjercima. Kalibracija prediktivnih skupova obavlja se koristeći nekonformnost kalibracijskog skupa.

Sažetak (engleski)

Conformal prediction is a distribution-free method for uncertainty quantification of machine learning models. It can be used as a wrapper around any machine learning model.
Conformal prediction produces calibrated predictive sets instead of point outputs and guarantees marginal coverage of prediction sets using a finite number of data points, any model, and any data distribution. Nonconformity measure is the key concept of conformal prediction, which measures how strange new examples are given the seen examples. Calibration of prediction sets is performed using nonconformity score distribution obtained on the calibration data.

• Ključne riječi: konformna predikcija; kvantificiranje neizvjesnosti; statistika; strojno učenje; neparametarska metoda; prediktivni skup; nekonformnost
• Ključne riječi (engleski): conformal prediction; uncertainty quantification; statistics; machine learning; distribution-free method; prediction set; nonconformity
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:889163
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:49:09