prikaz prve stranice dokumenta Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije
No public access
master's thesis
Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:889163
Domazet, Josip
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Domazet, J. (2022). Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:889163

Domazet, Josip. "Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:889163

Domazet, Josip. "Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:889163

Domazet, J. (2022). 'Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 06 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:889163

Domazet J. Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 July 06] Available at: https://urn.nsk.hr/urn:nbn:hr:168:889163

J. Domazet, "Neparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:889163

Metadata
TitleNeparametarsko kvantificiranje neizvjesnosti modela strojnog učenja metodom konformne predikcije
Title (english)Distribution-Free Uncertainty Quantification of Machine Learning Models Using Conformal Prediction
AuthorJosip Domazet
MentorDamir Pintar (mentor)
Committee memberDamir Pintar (predsjednik povjerenstva)
Committee memberBoris Vrdoljak (član povjerenstva)
Committee memberMihaela Vranić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-09-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Konformna predikcija neparametarska je metoda za kvantificiranje neizvjesnosti modela strojnog učenja. Može se koristiti povrh bilo kojeg modela strojnog učenja. Konformna predikcija proizvodi kalibrirane prediktivne skupove i garantira marginalnu pokrivnost točne vrijednosti koristeći konačan broj podatkovnih točaka, bilo koji model i bilo koju podatkovnu distribuciju. Mjerna nekonformnosti je ključan koncept konformne predikcije i mjera je koliko se novi primjerak ne konformira viđenim primjercima. Kalibracija prediktivnih skupova obavlja se koristeći nekonformnost kalibracijskog skupa.
Abstract (english)
Conformal prediction is a distribution-free method for uncertainty quantification of machine learning models. It can be used as a wrapper around any machine learning model. Conformal prediction produces calibrated predictive sets instead of point outputs and guarantees marginal coverage of prediction sets using a finite number of data points, any model, and any data distribution. Nonconformity measure is the key concept of conformal prediction, which measures how strange new examples are given the seen examples. Calibration of prediction sets is performed using nonconformity score distribution obtained on the calibration data.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:889163
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 14:49:09