予測区間に基づく機械学習の不確かさ評価手法

抄録

機械学習に予測のばらつきとして表現される不確かさは，予測値を安全側に補正する，不確かさが大きい場合は機械学習による予測値を使用しないなど，機械学習の保守・運用の観点で重要な指標である。しかし，不確かさの算出はガウス過程回帰や深層学習など一部の機械学習モデルに限られていることが課題の1つとして挙げられる。また，これらはデータ間の距離やモデルパラメータの分布に基づいて不確かさを算出するため，必ずしも信頼区間や予測区間などの重要な性質を正しく反映するとは限らない点も課題である。本発表は，機械学習モデルを問わず適用できる信頼性算出手法を提案し，その有効性を検証することを目的としている。提案手法は予測区間に観測値が所定の割合で含まれるように不確かさを決定するものであり，機械学習モデルを問わず適用可能である。また，得られた不確かさは信頼区間や予測区間の性質を必ず満足するため，提案手法を他の不確かさ算出手法と差別化することができる。疑似的なデータに対して提案手法を適用し，その有効性を確認した。