アクティブ統計的推論
arXiv stat.ML / 2026/4/9
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 論文「Active Statistical Inference」は、アクティブラーニングの発想を統計的推論に取り入れ、ラベル数という予算制約下で機械学習モデルを用いて「追加でラベルすべきデータ点」を選ぶ手法を提案しています。
- 手法の中心は、モデルが不確実なデータ点は積極的にラベル収集し、確信があるデータ点はモデル予測に任せることで、限られたラベルを効率化することです。
- アダプティブ（データ収集をモデルの不確実性に応じて変える）により、任意のブラックボックスMLモデルやデータ分布に対して、確率的に妥当な信頼区間・仮説検定を構成できることを示します。
- 既存の「非アダプティブに収集する」ベースラインより少ないサンプルで同等の精度を達成し、同数の収集サンプルでも信頼区間を狭め、p値をより強く（＝検定力向上）できると主張しています。
- 公的世論調査・国勢調査分析・プロテオミクスといった複数領域のデータセットで評価を行っています。
