クレダル不確実性の定量化：距離ベースのアプローチ
arXiv cs.AI / 2026/3/31
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、クレダル集合（確率測度の凸集合）に対して、アレアトリック（データ）不確実性とエピステミック（モデル）不確実性を、特に多クラス分類においてどのように定量化するかを扱う。
- Integral Probability Metrics（IPM）を用いた距離ベースの不確実性定量化フレームワークを提案し、解釈可能な意味をもつ測度を与え、望ましい理論的性質を満たす。
- 著者らは、一般的なIPMの選択肢に対して計算可能性（トラクタビリティ）を示し、具体的には全変動距離を用いて効率的な多クラス不確実性測度を導出する。
- 二値設定では、提案手法は既存の確立された不確実性測度と整合的であると同時に、多クラスへの原理的な一般化も提供する。
- 実験により、この方法が実務上有用であり、計算オーバーヘッドが小さいにもかかわらず良好な性能を達成することが示される。
