panel-data

本文提出了一个针对带面板数据的Markov Chain选择模型的框架，包括利用偏序偏好信息的新型EM算法进行估计、个性化选择预测以及分类优化。在合成数据和sushi数据集上的实验结果表明，相比传统方法有显著改进。

SAGA引入了一种仅解码器变压器，用于终身收入的多步概率预测，并配合自适应共形预测提供可靠的预测区间。基于大型瑞典注册数据集训练，相较于传统参数模型和基线模型取得了显著改进。