본 연구는 분할 컨포멀 예측에서 데이터 분할 비율이 예측 구간 길이에 미치는 영향을 분석해요. 이론적 프레임워크를 개발하여 대칭/비대칭 환경에서 예측 구간 길이를 최소화하는 최적 분할 비율을 도출했어요. 다양한 회귀 모델(선형, 비모수, 신경망)에 적용 가능성을 보여주고, 데이터 기반 최적 비율 선택 방법도 제시했어요.
모델 특성에 따른 최적 데이터 할당 방식을 명확히 밝히고, 예측 구간을 더 짧게 만드는 지침을 제공해요. 합성/실제 데이터셋 실험을 통해 다양한 상황에서 활용 가능성을 입증했어요.
분할 컨포멀 예측의 통계적 효율성은 훈련 및 교정 샘플 분할 방식에 크게 의존하며, 본 연구는 이 중요한 문제에 대한 해결책을 제시해요.