円周データ回帰における予測区間をランダムフォレストで高効率化
投影法とOOB推論を組み合わせ、キャリブレーション用データなしで適応的な弧長を持つ予測集合を生成。（原題: Projected random forests and conformal prediction of circular data）
リリース: 2024-10-31 · 読了 5 分何が起きた
円周データ回帰において、データ交換可能性の仮定下で有限サンプルでのカバレッジ保証を実現
ランダムフォレストのOOB（Out-of-Bag）メカニズムを活用し、キャリブレーション用サンプルを別途用意する必要を排除
合成データおよび実データにおいて、既存の分割共形予測モデル（split conformal prediction）と比較し、中央値の弧長が短い効率的な予測集合を生成
なぜ重要
角度や方向などの円周データに対し、従来の線形回帰モデルをそのまま流用できる投影手続きを確立した
キャリブレーション用データを確保できないデータセット制約下でも、信頼性の高い予測区間を算出可能にする
👁️ 開発者
円周データの予測精度と信頼区間の算出を両立させたい開発者は、本論文の投影手続きとOOBを活用した共形予測を実装候補に加えるべきである。
🇯🇵 日本
国内固有の追加文脈は限定的（汎用的に有用）。