तकनीकी सारांश: प्रति-तथ्यात्मक निर्णयों के लिए भविष्यवाणी सेट (Prediction Sets)

1. समस्या विवरण (Problem Statement)

यह शोध पत्र प्रति-तथ्यात्मक (counterfactual) परिवेशों में अनिश्चितता के तहत उच्च-जोखिम वाले निर्णय लेने की चुनौती को संबोधित करता है। मानक भविष्यवाणी समस्याओं में, परिणाम $Y$ कार्रवाई किए जाने के बावजूद स्थिर रहता है। हालांकि, प्रति-तथ्यात्मक निर्णय लेने में (जैसे, उपचार चयन, नीति निर्धारण, मार्केटिंग), वास्तविक परिणाम $Y(A)$ चुनी गई कार्रवाई $A$ पर निर्भर करता है।

मुख्य कठिनाई अनिश्चितता मात्रा निर्धारण (uncertainty quantification) और निर्णय नियम के बीच अंतर्संबंध में निहित है:

1. जुड़े हुए परिणाम (Coupled Outcomes): भविष्यवाणी सेट द्वारा "कवर" किया जाने वाला परिणाम स्थिर नहीं है; यह चुनी गई कार्रवाई द्वारा निर्धारित होता है।
2. वैधता बनाम अनुकूलता अंतराल (Validity vs. Optimality Gap): जबकि कॉन्फॉर्मल प्रेडिक्शन (conformal prediction) स्थिर परिणामों के लिए सांख्यिकीय वैधता (कवरेज गारंटी) प्रदान करता है, यह स्पष्ट नहीं है कि ये गारंटियाँ तब अनुकूलता (optimality) में कैसे परिवर्तित होती हैं जब निर्णय नियम स्वयं वास्तविक परिणाम के वितरण को बदल देता है। मौजूदा विधियाँ अक्सर संभावित परिणामों को स्वतंत्र रूप से मानती हैं या प्रति-तथ्यात्मक संरचना की अनदेखी करती हैं, जिससे उप-इष्टतम निर्णय या प्रेरित नीति (induced policy) के लिए अमान्य कवरेज प्राप्त होता है।

केंद्रीय प्रश्न यह है: अनिश्चितता मात्रा निर्धारण और प्रति-तथ्यात्मक निर्णय लेने के बीच सही इंटरफ़ेस क्या है, जहाँ क्रियाएं यह निर्धारित करती हैं कि कौन सा संभावित परिणाम साकार होगा?

2. कार्यप्रणाली और ढांचा (Methodology and Framework)

लेखक एक निर्णय-सैद्धांतिक ढांचे का प्रस्ताव करते हैं जो पॉलिसी-कपल्ड कवरेज (Policy-Coupled Coverage) और PC-RACP नामक एक दो-चरणीय निर्माण प्रक्रिया पर केंद्रित है।

2.1 निर्णय-सैद्धांतिक आधार (Decision-Theoretic Foundations)

• जोखिम-विमुख उद्देश्य (Risk-Averse Objective): ढांचा एक जोखिम-विमुख उद्देश्य को अपनाता है जहाँ एक एजेंट वास्तविक उपयोगिता (utility) के उच्च-संभाव्यता निम्न-स्तर (high-probability lower bound/utility certificate) को अधिकतम करने का प्रयास करता है।
• सेट-प्रेरित निर्णय नियम (Set-Induced Decision Rule): भविष्यवाणियों के संग्रह $\{C(x, a)\}_{a \in \mathcal{A}}$ (प्रत्येक कार्रवाई के लिए एक सेट) को देखते हुए, एजेंट एक मैक्स-मिन नियम (max-min rule) का उपयोग करता है:
  $$\pi_{RA}(x; C) = \arg\max_{a \in \mathcal{A}} \inf_{y \in C(x, a)} u(a, y)$$
  यह नियम उस कार्रवाई का चयन करता जो अनुमानित परिणाम सेटों के भीतर सबसे खराब स्थिति वाली उपयोगिता (worst-case utility) को अधिकतम करती है।

2.2 पॉलिसी-कपल्ड कवरेज (PCC)

यह शोध पत्र पॉलिसी-कपल्ड कवरेज (PCC) को एक आवश्यक वैधता धारणा के रूप में पेश करता है। मानक प्रति-कार्रवाई मार्जिनल कवरेज (जिसके लिए सभी $a$ के लिए $P(Y(a) \in C(X, a)) \ge 1-\alpha$ आवश्यक है) के विपरीत, PCC यह मांग करता है कि भविष्यवाणी सेट स्वयं द्वारा प्रेरित नीति के तहत वास्तविक परिणाम को कवर करें:
$$P\left( Y(\pi_{RA}(X)) \in C(X, \pi_{RA}(X)) \right) \ge 1 - \alpha$$
सैद्धांतिक औचित्य:

• मिनिमैक्स अनुकूलता (Minimax Optimality): प्रमेय 2.1 स्थापित करता है कि वितरण संबंधी अस्पष्टता (जहाँ वास्तविक वितरण अज्ञात है लेकिन PCC का पालन करता है) के तहत, मैक्स-मिन नियम $\pi_{RA}$ एक मिनिमैक्स-इष्टतम निर्णय नियम है।
• लॉसलेस इंटरफ़ेस (Lossless Interface): प्रमेय 3.1 सिद्ध करता है कि PCC के तहत भविष्यवाणी सेटों को अनुकूलित करना सीधे नीतियों और उपयोगिता प्रमाण-पत्रों (utility certificates) पर अनुकूलन (RA-DPO) के समान है। इस प्रकार, भविष्यवाणी सेट जोखिम-विमुख प्रति-तथ्यात्मक निर्णयों के लिए एक "लॉसलेस इंटरफ़ेस" के रूप में कार्य करते हैं।
• यूनिवर्सल कवरेज के साथ समानता: प्रमेय 3.2 दिखाता है कि PCC के तहत अनुकूलन करना "यूनिवर्सल कवरेज" (जो किसी भी नीति के लिए वैध है) की एक मजबूत स्थिति के तहत अनुकूलन करने के समान है, हालांकि PCC प्रेरित नीति के लिए अधिक व्यावहारिक और कम सख्त है।

2.3 PC-RACP एल्गोरिदम

इन सेट्स के निर्माण के लिए, लेखक एक दो-चरणीय प्रक्रिया प्रस्तावित करते हैं:

1. मॉडल अनुमान और नीति सीखना (Model Estimation & Policy Learning):
   • डेटा को प्रशिक्षण (training), सीखने (learning), और अंशांकन (calibration) सेटों में विभाजित करें।
   • सशर्त उपयोगिता क्वांटाइल्स $\hat{\gamma}(x, t, a)$ और इष्टतम सशर्त कवरेज असाइनमेंट नियम $\hat{g}(x, \beta)$ का अनुमान लगाएं।
   • सीखने वाले सेट का उपयोग एक प्रारंभिक पैरामीटर $\hat{\beta}$ खोजने के लिए करें जो एक अनुमानित कवरेज बाधा को संतुष्ट करता है, जिससे एक निश्चित मैक्स-मिन नीति $\hat{a}(\cdot)$ प्रेरित होती है।
2. वेटेड कॉन्फॉर्मल अंशांकन (Weighted Conformal Calibration):
   • निर्णय नियम को कवरेज गारंटी से अलग करने के लिए नीति $\hat{a}(\cdot)$ को स्थिर करें।
   • लॉग की गई कार्रवाई जहाँ $\hat{a}(X)$ से मेल खाती है, वहां फिल्टर किए गए अंशांकन सेट का उपयोग करके वेटेड कॉन्फॉर्मल प्रेडिक्शन करें।
   • व्यवहार नीति (behavior policy) के आधार पर महत्व भार (importance weights) का उपयोग करके कोवेरिएट शिफ्ट (covariate shift) के लिए समायोजन करें।
   • अंतिम भविष्यवाणी सेट $\hat{C}(x, a)$ का निर्माण इस प्रकार करें कि वे प्रेरित नीति $\hat{a}(\cdot)$ के लिए PCC गारंटी को संतुष्ट करें।

3. मुख्य योगदान (Key Contributions)

1. नवीन वैधता धारणा: प्रति-तथ्यात्मक सेटिंग्स में अनिश्चितता और कार्रवाई के बीच निर्णय-सैद्धांतिक रूप से इष्टतम इंटरफ़ेस के रूप में पॉलिसी-कपल्ड कवरेज की पहचान।
2. सैद्धांतिक समानता: यह प्रमाण कि PCC के तहत भविष्यवाणी सेटों को अनुकूलित करना यूनिवर्सल कवरेज अनुकूलन और प्रत्यक्ष जोखिम-विमुख नीति अनुकूलन दोनों के समान है, जो भविष्यवाणी सेटों को एक लॉसलेस इंटरफ़ेस के रूप में स्थापित करता है।
3. स्पष्ट इष्टतम रूप: जनसंख्या-इष्टतम भविष्यवाणी सेट्स का स्पष्ट रूप (थ्योरम 3.4) प्राप्त करना, जो सशर्त उपयोगिता क्वांटाइल्स पर आधारित थ्रेशोल्ड-आधारित हैं।
4. परिमित-नमूना प्रक्रिया (Finite-Sample Procedure): PC-RACP का विकास, जो प्रेरित नीति के तहत वास्तविक परिणाम के लिए कठोर परिमित-नमूना कवरेज गारंटी प्राप्त करने वाला एक व्यावहारिक एल्गोरिदम है, भले ही नीति डेटा से सीखी गई हो।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखक सिमुलेशन और एक वास्तविक दुनिया के ईमेल मार्केटिंग प्रयोग (Hillstrom डेटासेट) के माध्यम से अपने ढांचे को मान्य करते हैं।

• सिंथेटिक सिमुलेशन:
  • कवरेज: PC-RACP लक्षित $1-\alpha$ के करीब अनुभवजन्य कवरेज प्राप्त करता है। इसके विपरीत, एक मानक रिस्क-अवर्स कॉन्फॉर्मल (RAC) विधि (जो प्रति-तथ्यात्मक संरचना की अनदेखी करती है) लक्ष्य से नीचे गिर जाती है, और एक "प्लग-इन" बेसलाइन सटीक कवरेज प्रदान करने में विफल रहती है।
  • उपयोगिता (Utility): PC-RACP विभिन्न मिसकवरेज स्तरों $\alpha$ के तहत लगातार उच्चतम औसत उपयोगिता प्रमाण-पत्र प्राप्त करता है, जो RAC और प्लग-इन बेसलाइन दोनों से बेहतर प्रदर्शन करता है।
• Hillstrom ईमेल मार्केटिंग प्रयोग:
  • कवरेज: PC-RACP नाममात्र स्तर के करीब कवरेज बनाए रखता है। RAC अत्यधिक रूढ़िवादी (लक्ष्य से काफी ऊपर कवरेज) है।
  • उपयोगिता: PC-RACP उच्च उपयोगिता प्रदान करता है।
  • लाभ का तंत्र: विश्लेषण से पता चलता है कि PC-RACP दो क्षेत्रों में लाभ प्राप्त करता है:
    • छोटा $\alpha$: प्रमुख कार्रवाई के लिए तीक्ष्ण (sharper) भविष्यवाणी सेटों का निर्माण करके (अस्पष्ट सेट्स जैसे $\{0, 1\}$ की आवृत्ति को कम करके)।
    • बड़ा $\alpha$: वैध कवरेज बनाए रखते हुए, उच्च-पुरस्कार वाली कार्रवाई (ईमेल भेजना) को RAC की तुलना में अधिक बार चुनकर।

5. महत्व और दावे (Significance and Claims)

यह शोध पत्र दावा करता है कि यह पहला निर्णय-सैद्धांतिक ढांचा प्रदान करता है जो प्रति-तथ्यात्मक निर्णय अनुकूलता से अनिश्चितता मात्रा निर्धारण को कठोरता से जोड़ता है।

• संरचना की अनदेखी करने की उप-इष्टतमता: लेखक यह प्रदर्शित करते हैं कि निर्णय समस्या की प्रति-तथ्यात्मक प्रकृति की अनदेखी करना (अर्थात, परिणामों को स्थिर मानना) सांख्यिकीय वैधता और निर्णय उपयोगिता दोनों के लिए उप-इष्टतम है।
• निर्णय-जागरूक अनिश्चितता (Decision-Aware Uncertainty): यह कार्य तर्क देता है कि प्रति-तथ्यात्मक समस्याओं में अनिश्चितता मात्रा निर्धारण को उन निर्णयों के इर्द-गिर्द डिज़ाइन किया जाना चाहिए जिनका वे समर्थन करते हैं। पॉलिसी-कपल्ड कवरेज को निर्णय-जागरूक अनिश्चितता मात्रा निर्धारण के लिए एक व्यापक सिद्धांत की ओर एक मौलिक कदम के रूप में प्रस्तुत किया गया है।
• व्यावहारिक प्रयोज्यता: प्रस्तावित PC-RACP विधि उच्च-जोखिम वाले निर्णय लेने के लिए एक ठोस, परिमित-नमूना वैध प्रक्रिया प्रदान करती है जहाँ क्रियाएं परिणामों को प्रभावित करती हैं, जो कॉन्फॉर्मल प्रेडिक्शन सिद्धांत और कारण अनुमान (causal inference) अनुप्रयोगों के बीच के अंतर को पाटती है।