順序分類のためのコンフォーマルリスク制御

標準的なコンフォーマル予測法の自然な拡張として、最近いくつかのコンフォーマルリスク制御法が開発され、さまざまな学習問題に適用されてきました。本研究では、広範な実問題に応用される順序分類タスクにおいて、期待におけるコンフォーマルリスクを制御することを目指します。この目的のために、まず、コンフォーマルリスク制御の枠組みにおける順序分類タスクを定式化し、リスク制御法の理論的リスクバウンドを提供しました。次に、順序分類タスク専用に設計された2種類の損失関数を提案し、それぞれのケースに対してリスクを所望のレベルで制御するための予測セットを決定する対応アルゴリズムを開発しました。我々の提案した方法の有効性を示し、シミュレーションデータセット、UTKFaceデータセット、糖尿病性網膜症検出データセットを含む3つの異なるデータセットにおける2種類のリスクの違いを分析しました。