Selective Inference and Reliability Assessment
연구 내용
모델 혹은 변수 선택 이후 발생하는 선택 편향을 고려하여 유효한 통계적 신뢰구간과 검정을 수행하는 선택적 추론 연구
본 연구는 모델 선택 절차 이후 통계적 추론의 유효성이 확보되지 않는 문제를 해결하기 위한 선택적 추론 이론에 기반합니다. 변수 선택으로 인한 편향을 보정하기 위하여 조건부 분포를 활용한 추론 절차를 구축하며, 고차원 회귀 모델에서 선택된 변수의 효과를 안정적으로 평가할 수 있는 분석 체계를 개발합니다. 또한 통계적 학습과 결합하여 모델 선택 과정이 예측 성능에 미치는 영향을 평가하고, 선택 과정에서 발생하는 불확실성을 정량화하는 알고리즘을 설계합니다. 이러한 접근은 데이터 기반 분석에서 모델 선택이 불가피한 상황에서 신뢰도 높은 결론을 도출하기 위한 이론적 기반을 제공합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 전통적 회귀 모델에서 선택 편향을 보정하는 이론적 도출에 초점이 맞추어졌습니다. 이후 조건부 분포 기반 선택적 추론 기법을 활용하여 고차원 환경에서도 유효한 추론을 가능하게 하는 방향으로 확장되었습니다. 최근에는 머신러닝 기반 모델 선택을 포함한 복합적 선택 과정에서의 신뢰도 평가를 수행하는 추론 절차를 개발하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.