이 위시리스트 요청에 영감을 준 것은 무엇입니까?
JMP는 다양한 기계 학습 알고리즘을 쉽게 사용할 수 있도록 만들었습니다. 이들 중 대부분의 주요 결함은 예측, 특히 분류 모델에 대한 불확실성 척도가 부족하다는 것입니다. 모델 정확도를 평가하는 데 사용할 수 있는 도구는 많지만(예: ROC 곡선, 혼동 행렬 등) 예측의 불확실성을 평가하는 도구는 거의 없습니다. 가정된 오류 구조가 있는 고전적인 통계 모델과 달리 예측의 불확실성 정도는 부족한 경우가 많습니다. 등각 예측은 다양한 기계 학습 방법에 대해 이를 제공하는 비교적 간단한 방법인 것으로 보입니다.
당신이 보고 싶은 개선점은 무엇입니까?
JMP에 사용되는 모든 분류 모델링 방법에 등각 예측 기능이 첨부되어 있는 것을 보고 싶습니다. 결과 출력에는 (분류 모델의 경우) 원하는 수준의 확실성을 보장할 수 없는 불확실한 세트를 포함하여 예측된 분류 세트가 표시되어야 합니다.
이 아이디어가 왜 중요한가요?
등각 예측은 적어도 20년 동안 존재해 왔지만 (제 생각에는) 기술에 대한 불필요하게 수학적 설명으로 인해 방해를 받았습니다. 나는 그것이 일반적으로 제시된 것보다 더 간단하다고 생각합니다. 또한 나는 이것이 예측의 불확실성을 정량화하기 위한 비모수적 기술이라고 생각합니다. 기계 학습 모델이 점점 더 많이 사용됨에 따라 절실히 필요합니다. 정확성보다는 예측 불확실성을 정량화하는 것이 부족하여 이러한 방법의 유용성이 제한되고 잠재적으로 적용이 잘못될 수 있습니다(신뢰할 수 있는 예측 가능한 관찰과 예측할 수 없는 관찰을 거의 구별할 수 없는 예측 생성). 하나의 참고 자료는 https://arxiv.org/pdf/2107.07511.pdf를 참조하세요.
