この記事では、順序分類における信頼性の高い不確実性定量化(UQ)が重要であることから、適合予測(CP)の新しい手法を提案しています。従来の方法はヒューリスティックなアルゴリズムに依存していたため、モデルの制約やカバレッジと効率のトレードオフに関する洞察が不足していました。提案された手法は、モデルに依存せず、各インスタンスに対して最適な予測区間を提供するもので、スライディングウィンドウアルゴリズムを用いた最小長さのカバレッジ問題として構成されています。この方法は、ラベル候補の数Kに対して線形の時間複雑度を持ち、実験結果において、提案手法は従来の方法に比べて平均で15%の予測効率の向上を示しました。この研究は、高リスクアプリケーションにおける判別に資する可能性を秘めています。