Verteilungsfreie konforme Inferenz mit adaptiven Scores für transduktive Vorhersage und Neuartigkeitserkennung

Die Arbeit charakterisiert die "universelle" Verteilung der konformen p-Werte und leitet daraus eine nichtasymptotische Konzentrations-Ungleichung für die empirische Verteilungsfunktion der p-Werte ab. Dies ermöglicht gleichmäßige Fehlerschranken für die False Coverage/False Discovery Proportion, die mit hoher Wahrscheinlichkeit gelten, im Gegensatz zu üblichen Ergebnissen, die nur marginal oder in Erwartung sind und nicht gleichmäßig in der Entscheidung. Da die Ergebnisse nur unter der Annahme der Austauschbarkeit der Scores gelten, sind sie auf adaptive Score-Verfahren anwendbar, die den Kalibrierungs- und Testdatensatz für das Training nutzen.