작업 비의존 기계 학습 지원 추론

기계 학습(ML)은 과학 연구에서 점점 더 중요한 역할을 하고 있습니다. 고전 통계 접근 방식과 함께 ML 지원 분석 전략은 연구 결과를 가속화하는 데 큰 가능성을 보였습니다. 이는 데이터 과학 문제를 해결하기 위해 ML과 통계를 모두 활용하는 통합 접근 방식에 초점을 맞춘 방법론 연구의 완전히 새로운 분야를 열었습니다. 빠르게 인기를 얻고 있는 연구 유형 중 하나는 대규모 샘플에서 관찰되지 않은 결과를 예측하기 위해 ML을 사용한 다음, 예측된 결과를 하향식 통계 추론에 사용하는 것입니다. 그러나 이러한 유형의 예측 이후 추론의 유효성을 보장하기 위해 설계된 기존 방법은 선형 회귀 분석과 같은 매우 기본적인 작업에 제한되어 있습니다. 이러한 접근 방식을 새로운, 더 정교한 통계 작업으로 확장하는 데는 작업 특정 대수적 유도 및 소프트웨어 구현이 필요하므로, 복잡한 추론 작업을 위해 이미 개발된 방대한 소프트웨어 도구 라이브러리를 무시하고 실제 응용 프로그램에서 예측 이후 추론의 범위를 심각하게 제한합니다. 이 문제를 해결하기 위해, 우리는 작업 비의존 ML 지원 추론을 위한 새로운 통계 프레임워크를 제안합니다. 이는 거의 모든 기존 데이터 분석 루틴에 쉽게 연결할 수 있는 예측 이후 추론 솔루션을 제공합니다. 이는 임의의 ML 모델 선택에 견고하며 유효하고 효율적인 추론을 제공하며, 거의 모든 기존 분석 프레임워크를 ML 예측 결과 분석에 통합할 수 있도록 허용합니다. 광범위한 실험을 통해, 기존 접근 방식에 비해 우리의 방법의 유효성, 다재다능성 및 우수성을 보여줍니다.