[4D1-GS-2] 機械学習：不確実性・情報可視化

[4D1-GS-2-03] 不確実性が高い事象の確率的予測と解釈を可能とするGaussian-SAINTの提案

〇更家 崚介¹、磯村 時将¹、清水 良太郎¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：不確実性、確率的予測、Transformer、表形式データ、説明可能AI

不確実性が高い事象に対して回帰予測に基づく意思決定を行う際，予測が実際の結果と大きく異なることで不利益を被るリスクは高い．このような場合，確率的予測モデルを用いることで，推定した分布の分散（不確実性）に応じてリスクを避けるなどの意思決定が可能である．しかし，そのようなモデルは予測結果の出力過程に関する解釈を，モデルから直接得ることが困難である点が課題である．一方，近年Attention機構を用いて，予測結果の出力過程に関する解釈をモデルから直接得られる手法が多く提案されている．中でも，SAINTは2種類のAttention機構を用いて，表形式データに対して高精度な予測を実現している．しかし，SAINTは点推定を前提としており，不確実性の高い事象に対する意思決定に活用するには不十分である．そこで本研究では，SAINTを拡張し，分布推定と予測結果に対する多角的な解釈をモデルから直接得ることが可能なGaussian-SAINTを提案する．また，提案手法に対して実データを用いた評価実験を実施し，解釈性や意思決定への貢献に関する考察を行うことで，提案手法の有用性を示す．