Sélection de régions de prédiction informatives conformes avec contrôle
du taux moyen de fausses couvertures

L’inférence conforme est une méthode générale permettant de construire,
en apprentissage supervisé, des régions de prédiction non asymptotiques
quel que soit la fonction de prédiction utilisée. A partir de m points
de tests à prédire, on s’intéresse à construire des régions de
prédiction « informatives », par exemple des petites régions de
prédiction ou des régions excluant certaines valeurs, tout en contrôlant
une erreur de type 1. Cela passe donc par une sélection des points à
tester parmi les m, puis à construire des régions de prédiction
contrôlant le taux moyen d’erreur sur les sélectionnés (FCR).
Cet exposé se propose de présenter le principe général de l’inférence
conforme, puis de présenter InfoSP et son extension InfoSCOP, deux
procédures permettant de sélectionner et de créer des régions de
prédiction informatives contrôlant le FCR, liant l’inférence conforme et
l’inférence sélective via la notion de p-valeurs conforme et de
p-valeurs conformes informatives.

Cet exposé est issu d’un travail en collaboration avec Ruth Heller,
Ariane Marandon et Etienne Roquain.