Seonglae ChoA property where reordering data does not change its probabilistic characteristics. → The assumption that "when" something was observed doesn't matter, only "what" was observed. i.i.d. ⇒ always exchangeable, but exchangeable ⇒ not necessarily i.i.d. A weaker assumption than i.i.d. Exchangeability can hold even with dependencies (e.g., latent variable structures).
Conformal Prediction
Relies on data symmetry (exchangeability) rather than models. Calculate a nonconformity score for each sample (how unusual it is). The score of new data has an equal position among existing scores → rank follows a uniform distribution → use this to generate distribution-free prediction intervals. Works with any model, without distributional assumptions → guarantees finite-sample coverage
교환가능성과 컨포멀 예측: 대칭성이 제공하는 통계적 보장
들어가며 동전을 100번 던져서 앞면과 뒷면이 나온 순서를 기록했다고 해보자. 이 기록의 앞 50번과 뒤 50번을 통째로 맞바꾼다고 해서 우리가 “이 동전은 공정한가?”라고 내릴 판단이 달라질까? 아마 그렇지 않을 것이다. 순서 자체가 중요한 정보가 아니라면 결과가 어떤 차례로 적혀 있는지는 그저 정리 방식의 문제에 가깝다. 우리는 보통 ‘언제 나왔는지’보다는 ‘무엇이 얼마나 나왔는지’를 보고 판단한다. 그래서…
https://horizon.kias.re.kr/33143/
