Minimal‑lange Konfidenzintervalle für Ordinalklassifikation
In hochriskanten Bereichen wie der medizinischen Bildgebung ist eine präzise Unsicherheitsabschätzung entscheidend. Conformal Prediction (CP) liefert dafür statistisch gültige Garantien, doch bisherige Verfahren für Ordinalklassifikation stützen sich meist auf Heuristiken oder verlangen, dass das zugrunde liegende Modell eine unimodale Verteilung über die Ordinallabels vorhersagt. Diese Einschränkungen behindern die Analyse von Abdeckungs‑Effizienz‑Trade‑Offs und schränken die Modellunabhängigkeit ein.
