做销量预测时，模型说“下月约 100 件”还不够，决策者更想知道可能落在多大范围。共形预测（Conformal Prediction）会用一批未参与训练的数据，观察模型过去错了多少，再据此画出预测区间。难点是：这批“校准集”留少了，误差标尺容易摇摆；留多了，又会挤占训练模型的数据。
T. Moudiki 介绍，R 包 ahead 0.39.0 为 conformalize() 新增了 split_prob 参数，可直接指定用于校准的数据比例。文章分别在 USAccDeaths、AirPassengers、fdeaths、UKDriverDeaths 和 WWWusage 五组时间序列上演示，把比例设为 0.3、0.4、0.5、0.6 或 0.7，并统一向前预测 20 步。它给落地工作提供了一个很具体的调参入口：同一模型下改变训练与校准的数据分配，直接比较预测区间如何变化。不过，材料只展示了绘图实验代码，没有报告各比例的覆盖率——即真实结果落入区间的比例——或推荐的统一最优值。