Uyumlu Tahmin (Conformal Prediction)

Diger adlari: Conformal Prediction, Conformal Inference, Dagilimdan Bagimsiz Tahmin Araligi

Kisa Tanim

Conformal prediction, herhangi bir makine ogrenmesi modeline eklenerek dagilimdan bagimsiz (distribution-free) kapsama garantisi saglayan bir belirsizlik olcum yontemidir. Sonucta uretilen tahmin araligi, belirtilen guven duzeyinde (ornegin %90) gercek degeri icerir.

Teknik Mantik

Yontem uc adimda calisir: (1) Kalibrasyon setinde her ornek icin uyumsuzluk skoru (nonconformity score) hesaplanir — bu, modelin tahmininin gercek degerden ne kadar saptigini olcer. (2) Bu skorlarin dagiliminin belirli bir yuzdeligi (ornegin %90) esik degeri olarak alinir. (3) Yeni tahmin icin, uyumsuzluk skoru esik degerinin altinda kalan tum degerler tahmin kumesini olusturur. Regresyonda bu bir aralik, siniflandirmada bir sinif kumesidir. Temel varsayim: kalibrasyon ve test verileri degisimli (exchangeable) olmalidir.

Kullanim Baglami

Model yeniden egitimi gerektirmeden mevcut herhangi bir modele eklenebilir — bu ozellik pratikte cok degerlidir. Guvenlik-kritik uygulamalarda (tip, finans, tarim) teorik kapsama garantisi saglar.

Tarimsal Baglam

Verim tahmini "4,2 ton/ha" yerine "3,5-5,0 ton/ha, %90 kapsama" biciminde ifade edildiginde ciftci daha bilgili kararlar alir. Hastalik tespitinde ise model bir goruntude birden fazla sinifi yuksek olasilikla tahmin ediyorsa, conformal prediction bunu sinif kumesi olarak raporlar ve ek inceleme gerektiren ornekleri isaretler. Mevcut Random Forest veya CNN modeline eklenti olarak uygulanabilir.

Sik Karistirilan Nokta

Conformal prediction, Bayesci yontemlerden farklidir: bir posterior dagilim gerektirmez ve dagilim varsayimi yapmaz. Ancak kapsama garantisi marjinaldir (ortalama uzerinden) — her bireysel tahmin icin garanti degildir. Ayrica kalibrasyon seti ile test seti arasinda dagilimsaldegisim (distribution shift) varsa kapsama garantisi zayiflar.

Dr. Mehmet Solak — Siirt Universitesi, Biyosistem Muhendisligi