条件付き独立性に対する混合比率推定と弱教師付きカーネル検定

概要: 混合割合推定（MPE）は、ラベルなしデータからクラス事前確率を推定することを目的とします。この課題は、PU学習、ラベルノイズを伴う学習、ドメイン適応などの弱教師あり学習における重要な構成要素です。既存のMPE手法は、同定可能性のための extit{還元不可能性（irreducibility）} あるいはその変種に依存しています。本論文では、クラスラベル条件付きの条件付き独立（CI）に基づく新しい仮定を提案し、還元不可能性が成り立たない場合でも同定可能性を保証します。これらの仮定のもとでモーメント法に基づく推定手法を開発し、その漸近的性質を解析します。さらに、因果探索や公平性評価といった応用において独立に関心のある、CI仮定を検証する弱教師ありカーネル検定を提示します。実験的に、既存手法と比較して本提案の推定量が性能を向上させることを示し、また提案する検定が第I種誤りと第II種誤りの両方を適切に制御することを示します。\label{key}