多変量時系列データに対するフローに基づくコンフォーマル予測

要旨：時系列予測は、多くの科学分野における下流タスクの広範な基盤となっている。最近の進歩と時系列予測のブラックボックス型機械学習モデルの採用拡大は、不確実性の定量化の重要性を一層浮き彫りにしている。コンフォーマル予測は信頼性の高い不確実性定量化手法として注目を集めている一方で、時系列のコンフォーマル予測には二つの主要な課題がある: (1) \textbf{観測値と非適合度スコアの相関を活用して交換可能性の仮定を克服すること}、および (2) \textbf{多次元結果の予測集合を構築すること}。これらの課題に対処するため、分類器なしガイダンスを組み込んだフローを用いた時系列の新規コンフォーマル予測手法を提案する。提案手法の適用により、厳密な非漸近的周辺カバレッジと条件付きカバレッジの有限サンプル境界を確立することでカバレッジ保証を提供する。実世界の時系列データセットでの評価は、既存のコンフォーマル予測手法よりも有意に小さな予測集合を構築し、目標のカバレッジを維持することを示している。