Residual-Based Conformal Prediction with Localized and Global Calibrations

Conformal prediction provides guarantees for marginal coverage but does not ensure conditional validity. Adaptive methods improve local performance; however, they rely on specialized quantile or density estimators and are therefore incompatible with generic black-box point predictors. We propose a residual-based conformal framework that models the distribution of residuals from an arbitrary baseline regressor, and applies either global or localized calibration. This framework yields four methods: (RB-CQR) and (RB-CHR) for global calibration, and (RBC-CHR) and (RLR-CHR) for localized calibration. All four methods satisfy finite-sample marginal coverage guarantees under exchangeability. Experiments on both synthetic and real-world data demonstrate that the localized methods consistently produce shorter prediction intervals than global methods while maintaining the desired coverage level.

Prédiction conforme basée sur les résidus avec calibrages localisés et globaux

La prédiction conforme offre des garanties pour la couverture marginale, mais n'assure pas la validité conditionnelle. Les méthodes adaptatives améliorent les performances locales ; cependant, elles reposent sur des estimateurs de quantiles ou de densité spécialisés et sont donc incompatibles avec les prédicteurs génériques de type « boîte noire ». Nous proposons un cadre conforme basé sur les résidus qui modélise la distribution des résidus à partir d'un régresseur de référence arbitraire et applique un calibrage global ou localisé. Ce cadre produit quatre méthodes : (RB-CQR) et (RB-CHR) pour l'étalonnage global, et (RBC-CHR) et (RLR-CHR) pour l'étalonnage localisé. Les quatre méthodes satisfont aux garanties de couverture marginale d'échantillon fini sous des conditions d'échangeabilité. Des expériences menées sur des données synthétiques et réelles démontrent que les méthodes localisées produisent systématiquement des intervalles de prédiction plus courts que les méthodes globales tout en maintenant le niveau de couverture souhaité.

Session

Concours pour le Prix de la meilleure présentation orale de recherche étudiante en science des données et analyse de données

Date and Time