技術要約：ARC (Augmented-Rank Conformalization) による変化点局所化

1. 問題設定

変化点局所化（Changepoint localization）は、データストリームの分布が変化する時刻インデックス $\tau$ を特定することを目的としている。実務家はしばしば点推定値 $\hat{\tau}$ を受け取るが、それに伴う不確実性はほとんど定量化されない。近年の**共形変化点局所化（conformal changepoint localization）**の進展は、*妥当性（validity）*の問題を解決した。すなわち、置換ベースのフレームワーク（例：CONCH [14], MCP [6]）内で任意のスコア関数を用いることで、セグメント内の交換可能性（exchangeability）の仮定の下で、分布に依存せず、有限サンプルでの被覆率 $P(\tau \in C_{1-\alpha}) \geq 1-\alpha$ を保証する信頼集合 $C_{1-\alpha}$ を構築できる。

しかし、**効率性（efficiency）*に関しては重大なギャップが残っている。理論的結果（例：共形ニュートン＝ピアソン・レマ）は、最適なスコアが前後分布の尤度比であることを示している。実際には、これらの密度は未知であるため、プラグイン推定量（例：分類器や密度比推定量）が必要となる。これらの推定法は（普遍性を維持するため）被覆の保証は保持するものの、その集合の長さ（set lengths/efficiency）*は脆弱である。これらは、ヘビーテイル（重い裾）、歪度、および分布シフト（デプロイメント時の分布が学習時の分布と異なる場合）の下で、静かに悪化する。プラグイン・スコアが誤設定されている場合、ある分布下で保証された集合の長さが別の分布下でも保持されることを保証する既存の理論は存在しない。

2. 手法：ARC パイプライン

著者らは、有限サンプルの妥当性と分布ロバストな効率性の両方を達成するように設計されたスコア関数のファミリーである ARC (Augmented-Rank Conformalization) を提案する。

コア・メカニズム

ARC スコアは、生の数値ではなく、セグメント内のランク（順位）のみに依存する。パイプラインは以下のように動作する：

1. 入力: 観測値 $X = (X_1, \dots, X_n)$ のウィンドウと、候補となる変化点 $t$。
2. ランク変換: いかなる候補分割 $t$ に対しても、セグメント $X_{1:t}$ と $X_{t+1:n}$ はランクベクトル $R$ に変換される。
3. スコア計算: スコア $A(R)$ は、以下のいずれかのコンポーネントを用いて計算される：
   • Location Channel（位置チャネル）: 2標本ウィルコクソンの証拠（$Z_{loc}$）から導出されたランクベースのCUSUM統計量。
   • Scale Channel（スケールチャネル）: 分散の変化に敏感な、Mood型の平方ランク統計量（$Z_{sc}$）。
   • 固定された組み合わせ: 上記2つのチャネルの最大値（$A_{comb} = \max(A_{loc}, A_{sc})$）、または合成データ上で学習され凍結された重みを用いた凸結合。
   • 凍結されたニューラルネットワーク: 合成ガウスデータ（ダウンサンプリングされたランクパス）で学習され、デプロイ前に凍結された単層隠れ層ネットワーク（$16 \to 64 \to 1$）。
4. Conformal バックエンド: スコアは標準的な共形局所化フレームワーク（例：Hore and Ramdas [14]）に投入される。P値は、セグメント内での置換によるランクベースの統計量を通じて計算される。
5. 出力: 信頼集合 $C_{1-\alpha} = \{t : p_t > \alpha\}$、点推定値 $\hat{\tau}$、および変化タイプ（change-type）のラベル。

主要な設計上の選択

• 凍結された重み (Frozen Weights): すべての学習コンポーネント（ニューラルネットワークの重み、組み合わせの重み）は、テストウィンドウが観測される前に合成データで学習され、凍結される。これにより、スコアがテストデータから独立していることが保証され、置換論法の妥当性が維持される。
• 適応性を持たない型認識 (Type-Awareness without Adaptivity): テストデータに基づいてチャネルを適応的に選択すること（これは置換テストを無効にする）の代わりに、ARCは固定された組み合わせルール（例：max または事前学習された重み）を使用する。これにより、妥当性へのコストは発生しない。

3. 主要な理論的貢献

定理 1：任意の凍結されたスコアに対する有限サンプル妥当性

本論文では、あらゆる凍結された重み構成（ランダムな初期化、早期停止、または敵対的にラベル付けされたデータでの学習を含む）において、得られるARCスコアが有限サンプル被覆 $P(\tau \in C_{1-\alpha}) \geq 1-\alpha$ を提供することを証明している。

• 意義: 妥当性は、置換バックエンドとスコアのテストウィンドウからの独立性にのみ由来する。学習の質やモデルの正しさに関する仮定は一切行われない。

定理 2：ランク不変性による効率性の転移

ランクは、厳密に単調増加な変換 $g$ に対して不変であるため、ARC 信頼集合全体がそのような変換に対して**ほぼ確実に不変（almost surely invariant）**である。すなわち、$C_{1-\alpha}(g(X)) = C_{1-\alpha}(X)$ である。

• 効率性の転移: したがって、集合の長さの分布は、データのペア $(F_0, F_1)$ を通じて、そのランク構造のみに依存する。特定のランク実験（例：ガウス型シフト）で認証された長さの分布は、その実験のあらゆる単調変換（例：対数正規、コーシー、またはロジスティック変換）に対して、裾の重さや歪度に関わらず、そのまま保持される。
• 対照: プラグイン・スコア（例：尤度比）は、データの再表現ごとに変化するため、その集合の長さは分布シフトの下で予測不能に変動する。

不変性の代償

論文では、ランクベースのスコアがオラクル尤度比と比較して「不変性の代償」を支払うことを認めている。しかし、古典的なランク検定理論によれば、この代償は限定的である（例：ガウス型シフトに対するウィルコクソンの漸近相対効率は約 0.955）。ARCは、固定されたモデルにおける効率性のわずかな損失と引き換えに、そのモデルの単調軌道全体に対する正確な効率性の転移を実現している。

4. 実験結果

シミュレーション研究

ウィンドウ長 $n=120$ で、ガウス分布、$t_3$ 分布、コーシー分布、および対数正規分布を用いて実験を行った。

• 被覆率: すべての ARC スコアは、ヘビーテイル分布や「破壊された」ネットワーク（ランダムな重み、誤ったラベルでの学習）を含むすべての分布において、公称被覆率（$\approx 0.90$）を維持した。
• 不変性: 厳密に単調増加な変換（exp, cube, logistic）の下で、ARC 集合は完全に同一であった（80/80 回の反復において）。対照的に、プラグインの t 統計量による集合は著しく膨張した（例：exp 変換の下で平均の長さが 6.8 から 22.1 へ増加）。
• ヘビーテイルへの堅牢性: コーシー分布の下では、プラグインの集合は無意味なものとなった（平均の長さ $\approx 85$ / 候補数 101）が、ARC 集合は依然として情報量を有していた（平均の長さ $\approx 26$）。
• 転移: ガウスデータで学習され凍結されたスコアは、ヘビーテイルなテストデータに対しても堅牢に機能した。ARC における集合の長さの増大は、ランク実験自体によって駆動されたものであり、学習のミスマッチによるものではなかった。一方、プラグイン・スコアは壊滅的な劣化を経験した。
• 型適応性: 「max」の組み合わせ、または学習された凸結合は、変化のタイプ（位置 vs スケール）を事前に知っているオラクルと比較して、最小限の効率性ペナルティ（最大 15%）しか課さなかった。

実データへの適用：ウェルログ・データ

Turing Change Point Dataset（ウェルログ掘削シリーズ）に適用した：

• ARC は、注釈されたシフトを 90% の信頼度で 3〜5 個の候補に局所化した。
• モデル不適合の検出: 人間の注釈者が意見を異にし、変化が緩やかであったウィンドウにおいて、ARC は空集合を出力した。著者らはこれを失敗ではなく、単一変化点 piecewise-i.i.d. 仮定が違反されていることを示す、有効なモデル不適合の証明（確率 $\leq \alpha$）であると解釈している。

依存関係の処理

AR(1) 依存性の下では、標準的な i.i.d. 置換は失敗し（被覆率は $\approx 0.30$ まで低下）、著者らは循環ブロック置換（circular block permutations）を修復策として提案した。これにより、集合の長さが増大するというコストを払いつつ、被覆率を $\approx 0.84$–$0.86$ まで回復させた。論文では、依存性がある場合には厳密性は失われ、ブロック置換は近似であることを注記している。

5. 意義と主張

本論文は、変化点局所化における普遍的な妥当性と転移可能な効率性の間のギャップを埋めることを主張している。

• 妥当性の普遍性: スコアがテストウィンドウから独立している限り、妥当性はスコアの誤設定に対して堅牢であることを確認した。
• 設計原則としての不変性: ランクベースのスコアを使用することで、局所化手順の効率性が周辺分布の変化に対して不変であることを確立した。これにより、実務家は合成データや単純なデータ（例：ガウス分布）で集合の長さを認証し、複雑でヘビーテイルな、あるいは歪んだ実世界のデータに対しても、ランク構造が類似している限り、その保証が保持されることを信頼できる。
• 実用的な有用性: 手法は、分布シフトの下で静かに失敗することのない、実行可能な不確実性の表明（信頼集合）を提供し、基礎となるモデルの仮定が違反されていることをフラグ立てするメカニズム（空集合）を提供する。

6. 限界

著者らは、自らの主張の範囲を明確に限定している：

1. 単一変化点: 理論は、オフラインウィンドウ内の単一の変化点を想定している。
2. 独立性: 厳密な被覆にはセグメント内の独立性が必要であり、系列依存性には近似的なブロック置換による修復が必要である。
3. 周辺被覆: 集合は周辺被覆（marginal coverage）を提供するものであり、検出イベントが起きた場合の条件付き被覆（conditional coverage）ではない（これにはより複雑な仕組みが必要となる）。
4. モデルの範囲: piecewise-exchangeable モデルは、トレンド型の代替案（決定論的なドリフト）を除外している。
5. 型適応性: 型を知らないことによる代償は限定的であるが、ゼロではない。