پیش بینی کانفورمال شرطی بر کلاس برای مدل های بنیادین جدولی در داده های کم حجم

پیش بینی کانفورمال چارچوبی است که به جای یک برچسب مجموعه ای از برچسب های محتمل بازمی گرداند و تضمین می کند برچسب درست با احتمالی از پیش تعیین شده درون آن مجموعه قرار دارد؛ تضمینی که به هیچ فرض توزیعی نیاز ندارد و در نمونه متناهی برقرار است. هدف پژوهش حاضر ارزیابی نظام مند این چارچوب روی مدل های بنیادین جدولی در رژیم داده کم حجم و معرفی گونه ای بهبودیافته برای داده های نامتوازن بود. روش پژوهش یک مطالعه تجربی کامل عاملی بر ۱۵ مجموعه داده طبقه بندی از پایگاه OpenML، چهار مدل پیش بین، هشت رویه کانفورمال، سه تابع ناهمخوانی، سه سطح خطای مجاز و ۲۰ بذر تصادفی بود که در مجموع ۱۴۵۴۴ سلول آزمایشی و ۱۳۰۸۹۶ سطر نتیجه بدون هیچ سلول ناموفق تولید کرد و صحت پیاده سازی آن با ۱۴۷ آزمون درستی تایید شد. یافته اصلی آن است که شاخص رایج پوشش کلی روی داده نامتوازن گمراه کننده است؛ روی مجموعه داده ای با نسبت نامتوازنی ۱۰.۷۴، رویه های متعارف پوشش کلی ۹۰ درصد گزارش کردند در حالی که کلاس اقلیت را تنها ۳.۶ درصد مواقع پوشش می دادند. گونه شرطی بر کلاس پیشنهادی پوشش کلاس اقلیت را به ۹۲.۹ درصد رساند، شکاف پوشش میان کلاس ها را به طور میانگین ۸۳ درصد کاهش داد و در ۲۰ مورد از ۲۰ ترکیب آزموده شده برنده شد، آن هم با مجموعه های پیش بینی به مراتب کوچکتر از گونه متعارف (۱.۳۳۰۸ در برابر ۱.۸۷۴۶). افزون بر این، گونه مبتنی بر اعتبارسنجی متقاطع نوسان پوشش را ۲۱ درصد کاهش داد بدون آنکه اندازه مجموعه پیش بینی افزایش یابد و این برتری تا اندازه نمونه آموزشی ۸۰۰ پایدار ماند. سرانجام پروفایل هزینه محاسباتی این رویه ها برای مدل های بنیادین جدولی برای نخستین بار اندازه گیری و سازوکار آن تبیین شد.

کلیدواژه ها:

پیش بینی کانفورمال ، مدل های بنیادین جدولی ، پوشش شرطی بر کلاس ، کمی سازی عدم قطعیت ، داده های نامتوازن