多元共形预测中的广义超矩形预测集

该研究提出了一种矩形化框架，可将任意连续多元不符合度得分或条件密度转化为具有有限样本覆盖保证的广义超矩形预测集。该框架将预测集扩展为任意一维集合的笛卡尔积，并证明了基于最大聚合坐标得分的共形方法可解释为隐式条件密度的矩形化。合成与真实实验进一步量化了其效率成本，展现了其在不确定性量化中的可解释性优势。