기술적 요약: 그룹 대칭성을 가진 일반 구조화 데이터를 위한 조건부 예측 추론

문제 제기

본 논문은 분포 무관 예측 추론의 근본적인 한계, 즉 한계적 커버리지 보장에 대한 의존성과 조건부 커버리지에 대한 실제적 필요성 사이의 간극을 다룬다. 표준 컨포멀 예측 (Vovk 등, 2005) 은 모든 데이터 실현에 대한 평균적으로 $1-\alpha$ 확률로 예측 집합이 실제 타겟을 포함하도록 보장하지만 (한계적 커버리지), 특히 이질적인 환경에서 데이터의 특정 하위 집단이나 지역적 실현에 대한 유효한 불확실성 정량화를 제공하는 데는 종종 실패한다.

근사적 조건부 커버리지를 달성하려는 기존 방법들 (예: Gibbs 등, 2025; Hore 및 Barber, 2024) 은 일반적으로 교환성 (또는 i.i.d. 데이터) 가정에만 의존한다. 그러나 네트워크, 군집 데이터, 계층적 모델과 같은 많은 실제 구조화 데이터셋은 글로벌 교환성을 위반한다. Dobriban 과 Yu(2024) 의 최근 연구는 교환성을 넘어선 일반 그룹 대칭성을 처리하기 위해 SymmPI 프레임워크를 도입했으나, 이는 오직 한계적 커버리지 보장만 제공한다. 이로 인해 다음과 같은 간극이 존재한다: 복잡한 그룹-대칭 구조 (네트워크 또는 군집 등) 를 동시에 처리하면서도 지역적 이질성에 적응하는 조건부 커버리지 보장을 제공하는 방법은 없다.

방법론: C-SymmPI

저자들은 일반 그룹 대칭성 하에서 근사적 조건부 커버리지를 달성하기 위해 SymmPI 접근법을 확장한 통합 프레임워크인 C-SymmPI(조건부 대칭 예측 추론) 를 제안한다.

핵심 프레임워크

1. 군론적 설정: 데이터 $Z$는 군 $G$의 군 작용 $\rho$ 하에서 분포 불변성을 가진다고 가정한다 (즉, $Z \stackrel{d}{=} \rho(G)Z$, 여기서 $G \sim U$는 하르 측도이다). 이는 교환성 (여기서 $G$는 대칭군 $S_n$임) 을 네트워크 (자기 동형 군) 및 계층적 데이터 (중첩된 치환 군) 와 같은 구조로 일반화한다.
2. 적응형 임계값 학습: 군 궤적 전반에 걸쳐 단일 글로벌 분위수 임계값을 계산하는 SymmPI 와 달리, C-SymmPI 는 적응형 임계값 함수 $t_z(\cdot)$를 학습한다. 이 함수는 관측된 데이터 특징을 임계값으로 매핑하여 예측 집합이 지역적 이질성에 적응하도록 한다.
3. 완화된 다중 정확도 관점: 이 방법은 조건부 커버리지 요구사항을 다중 정확도 관점 (Hébert-Johnson 등, 2018) 을 사용하여 재구성한다. 분포 가정이 없으면 종종 불가능한 모든 실현에 대한 정확한 조건부 커버리지를 요구하는 대신, C-SymmPI 는 사용자가 지정한 함수 클래스 $\mathcal{F}$에 대해 미커버리지 오차를 최소화한다. 구체적으로, 모든 $f \in \mathcal{F}$에 대해 다음을 보장한다:
   $$\left| \mathbb{E}_Z \left[ f(Z_{\text{obs}}) \left( \mathbb{1}\{Z \in \hat{C}(Z_{\text{obs}})\} - (1-\alpha) \right) \right] \right| \leq \varepsilon$$
   이는 군 궤적에 대한 정규화된 분위수 회귀 문제를 해결함으로써 달성된다.

효율성을 위한 알고리즘 변형

고차원 공간과 대규모 군에서의 계산적 과제를 해결하기 위해 두 가지 변형이 도입된다:

• 프로젝션 C-SymmPI: 임계값을 학습하기 전에 고차원 관측 데이터 $Z_{\text{obs}}$를 저차원 임베딩 $\eta(Z_{\text{obs}})$로 투영한다. 이는 함수 학습 문제의 복잡성을 줄인다.
• 샘플링 C-SymmPI: 유한 몬테카를로 샘플을 사용하여 하르 기대값 (군 평균) 을 근사화한다. 이는 무한하거나 매우 큰 군 (예: 회전 군) 에 있어 중요하다.

이론적 보장

본 논문은 두 가지 설정 하에서 근사적 조건부 커버리지 한계를 수립한다:

1. 분포 불변성: 데이터가 군 불변성 가정을 엄격히 만족할 때.
2. 분포 전이: 불변성이 위반될 때, 한계는 실제 분포와 치환된 분포 간의 총변동 (TV) 거리에 비례하는 추가 항을 포함한다.

특정 함수 클래스에 대한 수렴 속도가 유도된다:

• 선형 함수 클래스: 오차는 $O(d |H| / |G|)$ 속도로 감소하며, 여기서 $d$는 차원, $|G|$는 군 크기, $|H|$는 안정화 부분군의 크기이다.
• RKHS(재현 커널 힐베르트 공간): 오차는 $O(1/\sqrt{|G|/|H|})$ 속도로 감소한다.

주요 기여

1. 근사적 조건부 추론을 위한 통합 프레임워크: C-SymmPI 는 i.i.d./교환 가능 설정을 넘어 군 대칭성을 가진 일반 데이터 구조 (예: 네트워크, 계층적 군집) 로 근사적 조건부 커버리지 보장을 확장한 최초의 프레임워크이다.
2. 이론적 일반화: 이는 i.i.d. 데이터에 대한 기존 최첨단 결과 (Gibbs 등, 2025) 를 특수한 경우로 복원하면서도 비교환 가능 구조에 대한 새로운 보장을 제공한다.
3. 계산 확장성: 프로젝션 및 샘플링 변형의 개발은 고차원 관측치와 대규모/무한 대칭 군에 대한 조건부 추론의 적용을 가능하게 한다.
4. 광범위한 적용성: 이 프레임워크는 다음과 같은 경우에 구체화된다:
   • 교환 가능 데이터: 조건부 컨포멀 예측 복원.
   • 이중 계층 모델: 군집 무작위화 시험 (CRT) 포함, 군집 및 개인 수준 모두에서 조건부 보장 제공.
   • 네트워크 구조 데이터: 노드 수준 추정을 위한 네트워크 토폴로지 적응.

실증 결과

저자들은 수치 시뮬레이션과 실제 응용을 통해 C-SymmPI 를 검증한다:

• 시뮬레이션 (계층적 데이터): 이질적 노이즈를 가진 이중 계층 모델에서 C-SymmPI 는 지역 분산에 적응하는 예측 구간을 생성한다 (저분산 영역에서는 좁고, 고분산 영역에서는 넓음). 경쟁 방법들 (표준 SymmPI, 표준 조건부 CP, 단일 트리 방법) 은 고분산 영역을 커버하지 못하거나 (과소 커버리지) 지나치게 보수적인 넓은 구간을 생성한다.
• PPACT 군집 무작위화 시험: 통증 관리에 대한 실제 시험에 적용됨. C-SymmPI 는 유효한 커버리지를 유지하면서 치료 효과에 대한 더 짧은 예측 구간을 생성하고, 식별된 유익한 치료 (음수 구간) 의 비율을 높임으로써 Split-CCI 방법 (Wang 등, 2024) 보다 우수한 성능을 발휘한다.
• Cora 인용 네트워크: 네트워크 지원 분류 작업에서 C-SymmPI 는 유효한 커버리지를 유지하면서 표준 분할 컨포멀 예측에 비해 더 짧은 예측 집합을 산출하여 예측 불확실성에 대한 적응성 (높은 신뢰도 예측에 대한 더 짧은 구간) 을 입증한다.

중요성과 주장

본 논문은 C-SymmPI 가 구조화 데이터의 불확실성 정량화에서 중요한 간극을 메운다고 주장한다. 그룹 대칭성 하에서 한계적 커버리지에서 근사적 조건부 커버리지로 이동함으로써, 이 방법은 복잡한 데이터 구조 (네트워크, 군집) 의 고유한 이질성을 존중하는 더 정보적이고 안정적인 예측 집합을 제공한다.

저자들은 그들의 접근 방식이 강력한 분포 가정을 요구하지 않으며, 데이터의 구조적 대칭성을 활용하면서도 분포 무관으로 유지된다고 강조한다. 결과는 계층적 또는 네트워크화된 데이터를 다루는 실무자들에게 C-SymmPI 가 기존 한계적 방법에 대한 견고한 대안을 제공하며, 전체 데이터셋에 대한 평균화로 인해 종종 발생하는 지역적 이질성의 은폐를 방지한다고 시사한다. 이 프레임워크는 그룹 대칭성이 존재하는 다른 구조화된 설정 (예: 트리, 이미지) 에 적응할 수 있는 일반 도구로 제시된다.