R probably int_conformal_quantile 通过保形推理和分位数回归预测区间

可以使用 Romano 等人 (2019) 说明的分割共形推理方法来计算拟合回归工作流对象的非参数预测区间。为了计算分位数，此函数使用分位数随机森林而不是经典的分位数回归。

用法

int_conformal_quantile(object, ...)

# S3 method for workflow
int_conformal_quantile(object, train_data, cal_data, level = 0.95, ...)

参数

object: 一个合适的 workflows::workflow() 对象。
...: 传递给quantregForest::quantregForest()的选项(例如树的数量)。
train_data, cal_data: 包含预测变量和结果数据的 DataFrame 。 train_data 应该与用于生成 object 的数据相同，而 cal_data 用于生成预测(和残差)。如果工作流程使用配方，这些数据应该是配方的输入数据(而不是配方的产品)。
level: 区间的置信水平。

值

类 "int_conformal_quantile" 的对象，包含创建间隔的信息(包括 object )。 predict() 方法用于生成间隔。

细节

请注意，应在此函数中指定显著性级别(而不是 predict() 方法)。

cal_data 应足够大，以便能够很好地估计极端分位数(例如，95% 间隔的第 95 个)，并且不应包含原始训练集中的行。

请注意，由于用于构造区间的方法，预测区间可能不包括预测值。

参考

罗马诺、亚尼夫、埃文·帕特森和伊曼纽尔·坎德斯。 “保形分位数回归。”神经信息处理系统的进展 32 (2019)。

也可以看看

predict.int_conformal_quantile()

例子

library(workflows)
library(dplyr)
library(parsnip)
library(rsample)
library(tune)
library(modeldata)

set.seed(2)
sim_train <- sim_regression(500)
sim_cal   <- sim_regression(200)
sim_new   <- sim_regression(  5) %>% select(-outcome)

# We'll use a neural network model
mlp_spec <-
  mlp(hidden_units = 5, penalty = 0.01) %>%
  set_mode("regression")

mlp_wflow <-
  workflow() %>%
  add_model(mlp_spec) %>%
  add_formula(outcome ~ .)

mlp_fit <- fit(mlp_wflow, data = sim_train)

mlp_int <- int_conformal_quantile(mlp_fit, sim_train, sim_cal,
                                        level = 0.90)
mlp_int
#> Split Conformal inference via Quantile Regression
#> preprocessor: formula 
#> model: mlp (engine = nnet) 
#> calibration set size: 200 
#> confidence level: 0.9 
#> 
#> Use `predict(object, new_data)` to compute prediction intervals

predict(mlp_int, sim_new)
#> # A tibble: 5 × 3
#>   .pred .pred_lower .pred_upper
#>   <dbl>       <dbl>       <dbl>
#> 1  4.46      -14.1         29.7
#> 2  5.83      -14.1         50.2
#> 3  9.27      -11.3         36.1
#> 4  1.50        1.67        46.8
#> 5  9.68      -15.6         19.8

源代码：R/conformal_infer_quantile.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Prediction intervals via conformal inference and quantile regression。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。