共形预测如何可靠地缩小子组覆盖差距？

总体覆盖会掩盖子组失效

标准共形预测能把任意分类器转成预测集，使真实标签以至少 1−α 的概率被包含。问题出在平均上：论文式 1 的保证是对校准数据和未来测试点一起取的，因此只在总体层面成立。名义 90% 的覆盖率可以在全体患者上平均成立，而特定人口群体、疾病亚型或其他有临床意义的子群体，得到的仍可能是可靠性较低的不确定性估计。

论文把这一点归因于不同人群在患病率、数据质量和特征分布上的差异，这些差异会产生不同的错误模式和非一致性评分分布。总体层面的校准于是掩盖了子组失效，而不是把它暴露出来。论文在 MIMIC-IV 上的动机图把边际 CP 和若干子组感知基线的组覆盖与预测集大小画在一起，说明“覆盖子组”与“保持预测集小”之间的权衡正是 SGCP 要处理的现实问题。

在固定分组内校准会带来瓶颈

最直接的做法是在预定义分组内分别校准。论文指出两项代价。第一，这可能需要访问敏感的子组属性，而这些属性未必可得，也未必适合使用。第二，它容易出现最差组瓶颈：为了保护最困难的子组，所有样本的预测集都可能被撑大，给需要阅读这些预测集的决策者增加认知负担。

SGCP 的设计选择正来自这一诊断。论文不把组别归属当作校准单位，而是把样本各自的评分分布当作值得估计的对象。正是这一重新定位，让方法既不必依赖敏感属性，也不必让所有组为一个组付出代价。

真正的目标是每个样本的局部评分分布

SGCP 的出发点是：共形校准最终由非一致性评分的分布决定。论文把理想对象定义为 F⋆x(s) = P(S ≤ s | X = x)，即特征为 x 的样本的条件评分分布。如果这个分布已知，每个样本就能按自己的局部评分分布校准，而不必依赖单一的全局分布。

直接为每个 x 学习无约束的条件分布既需要大量数据，在有限样本下也不稳定，尤其当相关异质性潜藏且维度较高时。单个测试点几乎提供不了足够的局部校准证据。因此 SGCP 用结构化混合分布替代无约束分布族：把 F(s|x) 近似为 K 个潜在校准分量的加权和，权重来自样本专属的随机分组映射。每个样本仍得到自己的有效评分分布，但这一分布由跨相关样本学到的分量组合而成，而不是从零估计。

相似指评分行为而非特征距离

关键问题随之变成：哪些其他样本算作相关。论文认为，在输入空间中按几何距离找近邻或做聚类，在这里并不是合适的局部性定义，因为要估计的对象是评分分布。真正重要的是校准相关的评分行为是否相似。

为落实这一点，SGCP 给每个样本分配一个潜在校准状态 z，把它建模为高斯后验，其均值和方差是主干表示的可学习函数。一个可微映射把潜在采样转成 K 个分量上的隶属向量，随机分组映射再对后验样本上的隶属度取平均。得到的权重把各潜在分量组合成聚合的局部评分分布。由于状态是随机的，预测相似的样本仍可能带有混合或不确定的评分行为，而后验平均会让权重更稳定。

三项损失塑造学到的变换

训练时主干保持固定，只在一个数据划分上拟合分组模块和分量参数。目标函数由三项驱动。秩均匀化损失把每个分量的变换后评分推向均匀的百分位尺度，使被路由到同一分量的评分可以相互比较。局部密度拟合损失写成负对数似然，把诱导出的混合密度与观测到的真实标签评分对齐。信息最大化项则奖励这样的分组映射：它在整个人群中多样化地使用各分量，同时让每个样本的归属保持集中。

第三项之所以重要，是因为前两项单独存在时允许退化解。对平均分量质量施加平衡约束，可以阻止所有样本塌缩到同一个分量，但仍允许相反的失败：每个样本几乎均匀地分散到所有分量。这种归属在总体上看似平衡，却几乎不携带样本专属信息。最大化输入与分量归属之间的归一化经验互信息，可以同时惩罚硬塌缩和软均匀分配。

保证仍在，子组收益有上界

论文证明了两件读者应当分开看的事。命题 2 表明，在标准拆分共形的可交换性假设下，SGCP 的预测集仍以至少 1−α 的概率包含真实标签。这一边际有效性不取决于局部评分分布学得多准，因此方法并没有为了换取子组可靠性而牺牲原有保证。

命题 3 直接处理子组覆盖。对任意可测子组 G，条件于 X ∈ G 的覆盖率下界为 1−α−ΔG，其中 ΔG 是该子组内变换后评分分布与其边际分布之间的 Kolmogorov 距离。在命题 1 的理想情形下，学到的局部评分分布与真实条件评分分布一致，变换后评分在每个子组内都服从均匀分布，ΔG 随之消失。实践中 SGCP 通过学习变换来缩小这一失配，附录论证了均匀逼近理想评分分布可以控制它。这个界描述的是差距的大小，并不承诺差距会降到零。

基准结果说明了什么，边界在哪

在合成和真实基准上，论文报告 SGCP 持续缩小了子组覆盖差距，同时预测集大小比现有基线更小或与之相当。附录图补充了两点值得带入任何比较的限定。在样本稀疏程度变化时，SGCP 在各数据集和校准规模上都贴近 0.9 的名义目标，而全局校准在稀疏情形下可能覆盖不足，较强的均衡化基线则常常变得过于保守。在运行时间上，SGCP 的计算成本适中：它比 AFCP 快，并在各校准样本规模上与其他子组感知基线相当。

适用范围有几处对采用很关键的边界。所有实验都在回顾性基准上完成，因此仍需在真实临床工作流中做前瞻性验证。框架针对多类分类开发，不处理回归或其他预测设定。论文由此确立的实际优先级很具体：当敏感子组标签不可得，或保护某个困难组会撑大所有人的预测集时，SGCP 提供了一条不依赖预定义分组来追求子组可靠性的路径，同时保留标准边际保证，并把预测集大小维持在现有基线的同一范围内。

本文引用的文献