데이터 드리프트 상황에서의 conformal prediction의 문제와 그 해결책을 제시합니다.
Conformal prediction은 모델 주위에 불확실성 밴드를 제공하는 유용한 방법이지만, 데이터가 드리프트하면 보장이 깨집니다. 이는 마진 보장과 교환 가능성에 의존하기 때문입니다. 이 글에서는 이러한 실패를 측정하고, 이를 해결하는 실제 작동하는 코드를 제공합니다.
The article highlights issues with conformal prediction under data drift and presents solutions.
Conformal prediction is a useful method for providing uncertainty bands around models, but it breaks under data drift due to reliance on marginal guarantees and exchangeability. The article discusses how this failure occurs and offers a practical code solution to address the issue. Readers can learn how to calibrate split-conformal effectively despite changing data conditions.