<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Conformal Prediction on Nalar</title>
    <link>https://nalar.dev/id/tags/conformal-prediction/</link>
    <description>Recent content in Conformal Prediction on Nalar</description>
    <generator>Hugo</generator>
    <language>id-id</language>
    <lastBuildDate>Thu, 17 Sep 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://nalar.dev/id/tags/conformal-prediction/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Prediction Set Konformal Membutuhkan Data Kalibrasi yang Exchangeable</title>
      <link>https://nalar.dev/id/prediction-set-konformal-membutuhkan-data-kalibrasi-yang-exchangeable/</link>
      <pubDate>Thu, 17 Sep 2026 00:00:00 +0000</pubDate>
      <guid>https://nalar.dev/id/prediction-set-konformal-membutuhkan-data-kalibrasi-yang-exchangeable/</guid>
      <description>&lt;p&gt;Classifier yang menghasilkan &lt;code&gt;0.93&lt;/code&gt; untuk satu kelas tidak otomatis memberikan pernyataan statistik bahwa kelas tersebut benar dengan probabilitas &lt;code&gt;0.93&lt;/code&gt;. &lt;strong&gt;Conformal prediction&lt;/strong&gt; mengambil pendekatan berbeda: metode ini menggunakan contoh berlabel yang ditahan untuk membentuk sekumpulan label kandidat dengan target marginal coverage tertentu.&lt;/p&gt;&#xA;&lt;p&gt;Pada split conformal classification, base model dapat tetap tidak berubah. Jaminannya berasal dari peringkat skor conformity atau nonconformity sebuah contoh uji terhadap skor yang dihitung pada sampel kalibrasi yang exchangeable. Asumsi inilah yang menentukan cakupan pernyataan coverage tersebut.&lt;/p&gt;</description>
    </item>
    <item>
      <title>Bangun Prediction Set dengan Conformal Prediction</title>
      <link>https://nalar.dev/id/bangun-prediction-set-dengan-conformal-prediction/</link>
      <pubDate>Fri, 11 Sep 2026 00:00:00 +0000</pubDate>
      <guid>https://nalar.dev/id/bangun-prediction-set-dengan-conformal-prediction/</guid>
      <description>&lt;h1 id=&#34;bangun-prediction-set-dengan-conformal-prediction&#34;&gt;Bangun Prediction Set dengan Conformal Prediction&lt;/h1&gt;&#xA;&lt;p&gt;Classifier biasanya mengembalikan satu label bahkan ketika beberapa label sama-sama masuk akal. Ini nyaman untuk interface software, tetapi dapat menyembunyikan ketidakpastian tepat pada kondisi ketika kesalahan mahal. Document router mungkin ragu antara &lt;code&gt;billing&lt;/code&gt; dan &lt;code&gt;account&lt;/code&gt;, tetapi &lt;code&gt;argmax&lt;/code&gt; tetap mengeluarkan salah satunya.&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;Conformal prediction&lt;/strong&gt; menawarkan interface lain: kembalikan sekumpulan label dengan ukuran yang menyesuaikan bukti. Input yang mudah dapat menghasilkan satu label. Input ambigu dapat menghasilkan beberapa label. Di bawah asumsi tertentu, prosedur ini juga memberikan finite-sample coverage guarantee.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
