ABSTRAK
Prediksi konformal mengubah gagasan heuristik yang terukur tentang ketidakpastian menjadi interval keyakinan yang valid secara statistik sehingga, untuk sampel di masa mendatang, prediksi kelas sebenarnya akan disertakan dalam set prediksi konformal pada keyakinan yang telah ditentukan sebelumnya. Dalam perspektif Bayesian, estimasi umum ketidakpastian dalam klasifikasi multivariat, yaitu nilai- p , hanya memberikan probabilitas bahwa data sesuai dengan model kelas yang diduga, P(D|M) . Prediksi konformal, di sisi lain, membahas probabilitas yang lebih berarti bahwa suatu model sesuai dengan data, P(M|D) . Di sini, dua metode untuk melakukan prediksi konformal induktif diselidiki—Prediksi Konformal Terpisah tradisional yang menggunakan set kalibrasi eksternal dan Prediksi Konformal Bagged baru, yang terkait erat dengan Prediksi Konformal Silang, yang menggunakan bagging untuk mengkalibrasi gagasan heuristik tentang ketidakpastian. Metode untuk praproses skor prediksi konformal untuk meningkatkan kinerja dibahas dan diselidiki. Strategi prediksi konformal ini diterapkan untuk mengidentifikasi empat obat antiinflamasi nonsteroid (NSAID) dari data pencitraan Raman hiperspektral. Selain menetapkan interval kepercayaan yang bermakna pada hasil model, kami di sini menunjukkan bagaimana prediksi konformal dapat menambahkan diagnostik tambahan untuk kualitas model dan stabilitas metode.
Tinggalkan Balasan