Neue Methode liefert hierarchische Vorhersagen mit garantierter Zuverlässigkeit
Conformal Prediction (CP) ist ein etabliertes Verfahren, das Unsicherheit in maschinellen Lernmodellen quantifiziert und zuverlässige Vorhersagen mit endlicher Stichprobendeckung garantiert. Bei Klassifikationsaufgaben erzeugt CP jedoch eine flache Menge möglicher Labels, die die wahre Klasse mit hoher Wahrscheinlichkeit einschließt, ohne dabei strukturelle Beziehungen zwischen den Klassen zu berücksichtigen.
