예측 기반 추론의 일반화와 이진 분류기 평가

초록

본 논문은 기존 PPI가 M‑추정에만 국한됐던 한계를 넘어, 일반적인 정규 비선형 추정량(ALE)에 적용 가능한 일반화된 프레임워크를 제시한다. 미관측 결과 문제를 결측 데이터와 반대확률 가중(AIPW) 이론에 연결하고, 세 가지 형태의 공변량 분포 이동을 다루는 수정된 PPI 추정량을 개발한다. 마지막으로 TPR, FPR, AUC와 같은 이진 분류기 성능 지표에 대한 PPI 추정기를 설계·실험한다.

상세 분석

이 논문은 부분 관측(outcome) 상황에서 “예측‑기반 추론”(Prediction‑Powered Inference, PPI)의 적용 범위를 크게 확장한다. 기존 연구는 M‑추정 혹은 Z‑추정 형태의 추정량에만 초점을 맞추었으나, 저자는 정규 비선형 추정량(regular asymptotically linear estimator, ALE)의 영향함수( influence function)만 알면 동일한 방식으로 PPI를 적용할 수 있음을 보인다. 핵심은 원래 라벨이 있는 표본 Lₙ에서 얻은 ALE ˆθₙ에, 라벨이 없는 표본 U_N을 이용해 만든 교정자( rectifier) ˆδ_{n+N}−ˆδ_n 를 가중치 ω와 함께 더하는 형태(식 3)이다. 정리 2.1은 ω가 최적값 ω* 로 수렴하고 n/N 비율이 λ 로 수렴하면, 새로운 추정량 ˆθ_{ˆδ,ˆω} 가 √n‑정규성을 유지하면서 기존 추정량보다 분산이 절대 감소함을 증명한다. 특히 ψ*(X)=E