Содержание поста-книги "Конформное прогнозирование в Python" (299-стр. pdf, 7 Jupyter-тетрадок)
1. Введение в конформное прогнозирование 4
Технические требования 5
Введение в конформное прогнозирование 5
Истоки конформного прогнозирования 11
Отличия конформного прогнозирования от традиционного машинного обучения 14
Роль p-значения в конформном прогнозировании 16
Выводы 16
2. Обзор возможностей конформного прогнозирования 17
Понимание количественной оценки неопределенности 18
Различные способы количественной оценки неопределенности 20
Количественная оценка неопределенности с помощью конформного прогнозирования 21
Выводы 25
3. Основы конформного прогнозирования 26
Основы конформного прогнозирования 26
Основные компоненты конформного предиктора 29
Выводы 47
4. Валидность и эффективность конформного прогнозирования 47
Валидность вероятностных предикторов 48
Эффективность вероятностных предикторов 57
Выводы 59
5. Типы конформных предикторов 60
Знакомство с классическими конформными предикторами 61
Знакомство с индуктивными конформными предикторами 70
Выбор подходящего конформного предиктора 72
Выводы 74
6. Конформное прогнозирование для классификации 74
Калибровка классификатора 75
Оценка качества калибровки 79
Различные подходы к калибровке классификаторов 84
Конформное прогнозирование для калибровки классификаторов 91
Инструменты конформного прогнозирования с открытым исходным кодом для задач классификации 96
Выводы 116
7. Конформное прогнозирование для регрессии 117
Количественная оценка неопределенности для задач регрессии 118
Понимание типов и источников неопределенности в регрессионном моделировании 118
Конформное прогнозирование для задач регрессии 122
Методы построения прогнозных интервалов 127
Конформные прогнозные распределения 159
Выводы 168
8. Конформное прогнозирование для временных рядов 169
Количественная оценка неопределенности для временных рядов 169
Концепция прогнозного интервала для прогнозирования временных рядов 172
Различные подходы к построению прогнозных интервалов 173
Выводы 214
9. Конформное прогнозирование для компьютерного зрения 214
Количественная оценка неопределенности для компьютерного зрения 215
Почему глубокое обучение выдает некалиброванные прогнозы? 217
Конформное прогнозирование для компьютерного зрения 222
Создание классификаторов компьютерного зрения с использованием конформного прогнозирования 225
Выводы 252
10. Конформное прогнозирование для обработки естественного языка 252
Количественная оценка неопределенности для NLP 253
Различные подходы к количественной оценке неопределенности в задачах NLP 254
Конформное прогнозирование для NLP 255
Выводы 258
11. Работа с несбалансированными наборами данных 259
Знакомство с несбалансированными наборами данных 259
Почему проблему несбалансированных данных сложно решать 260
Методы решения проблемы несбалансированных данных 261
Решение проблемы несбалансированных данных с помощью конформного прогнозирования 270
Выводы 275
12. Введение в конформное прогнозирование для многоклассовой классификации 276
Задачи многоклассовой классификации 276
Метрики для задач многоклассовой классификации 278
Применение конформного прогнозирования для задач многоклассовой классификации 282
Выводы 298
Пост-книга "Конформное прогнозирование в Python"