12月19日，南开大学统计与数据科学学院邹长亮教授应邀于理化楼401，作题为“Selective predictive inference”的学术报告，该报告为“理学之美”前沿讲坛第528讲。
邹长亮表示，随着当前机器学习技术的飞速发展，预测性推断为机器学习领域统计推断提供了一个全新的研究框架，引出了预测性推断的产生背景，从传统的统计预测误差出发介绍了预测性推断的初衷是度量预测的不确定性。接着，他重点讲解了机器学习中的不确定性量化利器——共形预测（Conformal Predictive）的核心思想以及相关前沿工作，共形预测是一种无分布假设的预测集构建方法，适用于可交换数据，在面对分布偏移时，可以通过加权调整来适应数据的变化，从而保持预测集的准确性。随后，他指出预测驱动推断是一种利用机器学习系统预测和金标准数据进行有效统计推断的方法，特别适用于单一参数的假设检验和置信区间估计，在半监督设置下，预测驱动推断还能协助进行多重检验提高统计估计的精确度。邹长亮最后对预测性推断、传统统计推断的基本思想及方法进行了总结比较，在选择性预测和在线学习的应用未来进行了展望。
在交流环节，邹长亮和在场师生就机器学习方法在实际场景、医学领域的应用、和预测驱动推断的未来发展方面进行了详细讨论。大家纷纷表示通过此次报告不仅加深了对预测性推断理论及其应用的认识，也激发了自己对该领域的研究兴趣和热情。
邹长亮，南开大学统计与数据科学学院教授。他主要从事统计学及其与数据科学领域的交叉研究和实际应用。研究兴趣包括高维数据统计推断、变点和异常点检测、预测性推断等，在统计学和机器学习领域的顶尖杂志Ann. Stat.、Biometrika、J. Am. Stat. Asso.、J. Mach. Learn. Res. 上发表论文20余篇，入选爱思唯尔“中国高被引学者”。他主持基金委优青、杰青、重点项目、重大项目课题和科技部重点研发计划课题等。任教育部科技委委员、全国应用统计专业硕士教学指导委员会委员、中国现场统计研究会副理事长等。
（摄影：数理学院）
（责编：付云笛）
