sWeight를 확률로 변환해 머신러닝에 적용하기

초록

본 논문은 고에너지 물리 실험에서 sPlot 기법으로 얻은 음수 가중치를 직접 사용하면 손실 함수가 하한을 잃어 과적합이 발생한다는 문제를 지적한다. 저자들은 sWeight를 조건부 클래스 확률로 변환하는 두 가지 새로운 손실 함수를 제안하고, LHCb MuID 데이터셋과 인공 sWeight를 이용한 실험을 통해 기존 방법보다 안정적이고 정확한 분류 성능을 보임을 입증한다.

상세 분석

논문은 먼저 sPlot 기법의 기본 원리를 간략히 소개한다. sPlot은 최대우도 추정으로 얻은 discriminative 변수(m)의 분포를 이용해 목표 변수(x)의 신호와 배경을 분리하기 위해 각 이벤트에 가중치 w_i를 부여한다. 이때 w_i는 통계적 독립성 가정 하에 E_{x,m}