使用保形区间的树预测区间

介绍

归纳保形区间的基本思想是使用校准集来学习该集上的误差分布的给定分位数。该分位数用作新数据预测区间的基础。

然而，这在实践中通常不是特别有用，因为每个新预测都会收到相同的间隔。相反，我们想根据输入数据缩放这个间隔。直观地说，我们希望增加对数据和相关预测的信心不足的区间，并在我们更有信心的地方减少它。

为了生成比例因子值，捕捉我们与校准集相比对某些数据的置信度或熟悉度，pitci使用落入在进行预测时访问的特定叶节点的训练数据行数，对所有树求和.

有关受支持库的完整列表以及有关实现方法的更多详细信息，请参阅文档。

安装

最简单的获取方法pitci是直接从PyPI使用；

pip install pitci

文档

pitci可在此处找到文档。

有关如何在本地构建文档的信息，请参阅文档README。

例子

有各种示例笔记本演示了如何使用repo的示例文件夹中的包。

建造

pitci使用flit作为包构建工具。

要安装pitci以进行开发，请从根目录使用以下命令；

pip install "flit>=2,<4"
flit install

的默认deps标志flit是all这样，这将安装测试和创建文档所需的所有库。

要pitci以可编辑模式安装（即等同于pip install . -e），请使用symlink标志；

flit install --symlink

有关. _ _flit