要旨: 本論文では、応答が異常であるデータ実例、またはクラスラベルが異常であるデータ実例を特定することを目的とした、条件付き異常検知の問題を考察する。ソフト調和解（soft harmonic solution）に基づく、条件付き異常検知のための新しい非パラメトリック手法を提案し、それにより異常な誤ラベリングを検出するためにラベルの信頼度を推定する。さらに、孤立した例や、分布のサポート境界上にある例の検出を避けるために、解に正則化を施す。いくつかの合成データおよびUCIの機械学習データセットにおいて、複数のベースライン手法と比較して、不自然なラベルの検出における提案手法の有効性を実証する。また、患者管理に関する意思決定のうち不自然なものを特定することを目的とした、実世界の電子健康記録データセットにおいて、提案手法の性能を評価する。
ソフト・ハーモニック関数による条件付き異常検知
arXiv cs.LG / 2026/4/24
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、応答やクラスラベルが通常と比べて異常なデータ点を見つける「条件付き異常検知」の問題を扱っています。
- ソフト・ハーモニック解に基づく新しいノンパラメトリック手法を提案し、ラベルの信頼度を推定して異常な誤ラベルを検出します。
- 解に対して正則化を導入し、データ分布のサポート境界付近や孤立した例による誤検知を避けるようにしています。
- 合成データとUCIの機械学習データセットで、複数のベースライン手法と比較して「異常なラベル」の検出が有効であることを示しています。
- 実データとして電子健康記録（EHR）データセットでも評価し、患者マネジメントの非通常な意思決定を同定する性能を検証します。
