Optimierte Risiko-Steuernde Vorhersage-Sets mit Gewissheitsäquivalent

In sicherheitskritischen Bereichen wie der medizinischen Bildsegmentierung verlangen moderne Vorhersagesysteme mehr als nur durchschnittliche Fehlerkontrolle. Sie müssen verlässliche Garantien liefern, die auch seltene, aber gravierende Fehler abdecken.

Die neue Methode, die als OCE‑RCPS (Optimized Certainty Equivalent Risk‑Controlling Prediction Sets) bezeichnet wird, liefert genau das. Sie kombiniert probabilistische Risiko­kontrolle mit optimierten Gewissheitsäquivalenten – darunter der bedingte Value‑at‑Risk (CVaR) und die entropische Risikomaßzahl – und nutzt Upper‑Confidence‑Bounds, um Parameter für Vorhersagesets zu bestimmen, die vorgegebene Risikotoleranzen mit nachweislicher Zuverlässigkeit erfüllen.

Die Autoren zeigen theoretisch, dass OCE‑RCPS die gewünschten probabilistischen Beschränkungen für typische Verlustfunktionen wie Fehlabdeckung und False‑Negative‑Rate garantiert. Dadurch wird die Lücke zwischen Erwartungswert‑ und Tail‑Risiko geschlossen, die bei herkömmlichen RCPS fehlt.

Experimentelle Tests auf Bildsegmentierungsaufgaben demonstrieren, dass OCE‑RCPS die Ziel‑Zufriedenheitsraten konsequent erreicht – unabhängig von der gewählten Risikomaßzahl oder Konfiguration der Zuverlässigkeit. Im Gegensatz dazu liefert die Variante OCE‑CRC keine soliden probabilistischen Garantien, was die Überlegenheit des neuen Ansatzes unterstreicht.