本稿では、準拠予測の適応性を定量化し改善する手法について論じています。準拠予測は、特定の予測値ではなく、ラベルの集合を構築し、その確率的カバレッジ保証を提供します。適応性は、難易度が高い例に対しては予測セットが大きく、容易な例に対しては小さくなることを求められる重要な特性です。従来の評価方法は難易度による例のバイニングを基にしていますが、これには不均衡なバイニングによる誤差が生じます。本研究では、入力変換を活用したバイニング手法を提案し、より正確な適応性評価のための二つのメトリクスを導入します。実験を通じて、新たに提案するメトリクスが既存のものよりも適応性の特性と強い相関を持つことが示され、医療タスクや画像分類タスクにおいても新手法が従来手法を上回る結果を得ています。