Краткое содержание

arXiv:2511.12016v1 Тип анонса: cross Аннотация: Мы предлагаем Модифицированное Махаланобиса Расстояние для Конформного Предсказания (MMDCP) — унифицированную структуру для многоклассовой классификации и обнаружения выбросов в условиях сдвига меток, когда распределения обучающих и тестовых данных могут различаться. В таких условиях многие существующие методы строят неконформные оценки на основе эмпирических интегральных функций распределения или функций плотности в сочетании со стратегиями разделения данных. Однако эти подходы часто оказываются вычислительно затратными из-за сильной зависимости от процедур повторной выборки и склонны давать излишне консервативные прогнозные множества с нестабильным покрытием, особенно на малых выборках. Для решения этих проблем MMDCP сочетает класс-специфичные меры расстояния с полным конформным предсказанием для построения функции оценки, формируя тем самым адаптивные прогнозные множества, которые эффективно отражают структуры как внутривыборочных объектов, так и выбросов. В предположении выполнения слабых условий регулярности мы устанавливаем скорости сходимости для результирующих множеств и предоставляем