Conformal Prediction methods produce distribution-free prediction sets in regression, requiring only i.i.d. regression data. While R packages implementing such methods for the univariate response framework have been developed (for instance conformalInference), this is not the case with multivariate and functional responses. conformalInference.multi and conformalInference.fd address this lacuna, by providing implementations of full conformal, split conformal, and novel extensions of jackknife+ and multi split conformal to deal with multivariate and functional data. The extreme flexibility of conformal prediction, which does not require any specific regression model, enables users to pass in any regression function as input while using basic regression models as reference. Additionally, native plot functions are embedded to visualize prediction regions. Lastly, our contributions to the package conformalInference, including Conformalized Quantile Regression, are described in the appendix.
I metodi appartenenti alla famiglia della Conformal Prediction generano insiemi di previsione non parametrici per il caso regressivo, a condizione di avere dati regressivi i.i.d. Sebbene vi siano dei pacchetti di R che trattano questi metodi per risposte univariate (ad esempio conformalInference), questo non è il caso per risposte multivariate o funzionali. conformalInference.multi e conformalInference.fd colmano questa lacuna, implementando metodi quali full conformal, split conformal, e innovative estensioni di jackknife+ e multi split conformal per gestire dati multivariati e funzionali. L’estrema flessibiltà della conformal prediction, che non necessita di alcun modello di regressione specifico, permette all’utente di passare qualsiasi funzione regressiva come input, prendendo spunto dai modelli regressivi già inclusi nei pacchetti. Inoltre, per visualizzare queste regioni di previsione sono state incluse delle funzioni grafiche. Infine, nell’appendice è presente una serie di contributi al pacchetto di R conformalInference, fra cui anche il metodo chiamato Conformalized Quantile Regression.
A complete suite for conformal prediction of simple and complex data in R, with some theoretical extensions
VERGOTTINI, PAOLO
2020/2021
Abstract
Conformal Prediction methods produce distribution-free prediction sets in regression, requiring only i.i.d. regression data. While R packages implementing such methods for the univariate response framework have been developed (for instance conformalInference), this is not the case with multivariate and functional responses. conformalInference.multi and conformalInference.fd address this lacuna, by providing implementations of full conformal, split conformal, and novel extensions of jackknife+ and multi split conformal to deal with multivariate and functional data. The extreme flexibility of conformal prediction, which does not require any specific regression model, enables users to pass in any regression function as input while using basic regression models as reference. Additionally, native plot functions are embedded to visualize prediction regions. Lastly, our contributions to the package conformalInference, including Conformalized Quantile Regression, are described in the appendix.File | Dimensione | Formato | |
---|---|---|---|
Executive_Summary___Paolo_Vergottini.pdf
accessibile in internet solo dagli utenti autorizzati
Descrizione: EXECUTIVE SUMMARY
Dimensione
553.67 kB
Formato
Adobe PDF
|
553.67 kB | Adobe PDF | Visualizza/Apri |
Article_Format_Thesis___Paolo_Vergottini.pdf
accessibile in internet solo dagli utenti autorizzati
Descrizione: THESIS - ARTICLE
Dimensione
1.04 MB
Formato
Adobe PDF
|
1.04 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/186254