在线保形预测在数据流中的实际优势

研究对比了四种序列保形回归方法与加权全保形基准在数据流中的经验覆盖率、区间宽度和计算成本。实验在合成分布偏移与四个真实数据流中表明，同时调整回归模型和保形阈值能显著改善漂移下的覆盖率与宽度权衡。其中分位数追踪方法单步仅需 $O(p^2)$ 时间和内存，且与流长度无关，但在突变后覆盖率可能出现退化。