카엠씨에프 범주 수준 다중레이블 인과 특성 선택

초록

본 논문은 기존 다중레이블 인과 특성 선택 방법이 레이블 전체를 하나의 단위로 다루는 한계를 극복하고자, 레이블을 세부 카테고리로 평탄화하여 카테고리 수준에서 인과 구조를 탐색한다. 새롭게 정의한 SCSMI와 DCSMI를 이용해 카테고리 간 상호작용을 정량화하고, 설명 경쟁 기반 복구 메커니즘으로 차단된 인과 특성을 회복한다. 구조 대칭 검사와 차원 간 중복 제거를 통해 마코프 블랭킷을 견고하고 압축된 형태로 도출한다. 7개의 실험 데이터셋에서 기존 최첨단 방법들을 크게 능가하며, 예측 정확도와 선택 특성 수 모두에서 우수함을 입증한다.

상세 분석

Ca‑MCF는 레이블‑카테고리 플래트닝(label‑category flattening)이라는 전처리 단계에서 각 레이블 Lᵢ의 kᵢ개의 카테고리를 이진 벡터 Cᵢⱼ로 전환한다. 이 과정은 기존 레이블 수준의 마코프 블랭킷(MB) 탐색이 놓치기 쉬운 미세 인과 관계를 드러내는 핵심 전제이다. 두 가지 정보‑이론적 측정값, Specific Category‑Specific Mutual Information(SCSMI)와 Distinct Category‑Specific Mutual Information(DCSMI)를 각각 특성‑카테고리, 카테고리‑카테고리 간 의존성을 정량화한다. SCSMI는 I(X;Cᵢⱼ) 혹은 조건부 형태 I(X;Cᵢⱼ|S)로 정의되며, DCSMI는 I(Cᵢⱼ;Cₖₗ|S) 형태로 계산된다.

알고리즘은 네 단계로 구성된다. ① Phase 1에서는 DCSMI가 사전 설정 임계값 δ₂를 초과하는 카테고리 쌍을 후보로 모아, 조건부 DCSMI가 추가 정보를 제공하는지를 greedy하게 검증해 레이블 스켈레톤 Rᵢⱼ를 구축한다. ② Phase 2에서는 SCSMI 기반으로 후보 특성 집합 C∪PC를 선정하고, (C∪PC \ f)∪Rᵢⱼ를 조건으로 한 조건부 독립 검정을 통해 실제 부모·자식(PC) 집합을 정제한다. 이어서 V‑structure 탐지를 통해 스포스(SP) 후보를 찾는다. 여기서 스포스는 Rᵢⱼ와 독립이지만, 특정 PC와 조건부 결합 시 의존성이 회복되는 경우로 정의된다(식 3).

③ Phase 3은 “설명 경쟁”(explanatory competition) 메커니즘이다. 레이블 카테고리 Cⱼᵈ가 강하게 상관관계를 형성해 진정한 인과 특성 X가 SCSMI(X;Cᵢⱼ|Cⱼᵈ) < δ₁ 상황에 가려질 때, Ca‑MCF는 X와 Cⱼᵈ 사이의 DCSMI와 비교한다. X의 조건부 SCSMI가 해당 DCSMI보다 크게(식 4) 나타나면 X를 복구 후보에 포함한다. 이는 “인과 차단”(causal blocking) 현상을 정량적으로 해소하는 핵심 절차다.

④ Phase 4에서는 구조 대칭성 검증과 차원 간 중복 제거를 수행한다. 모든 MB 후보는 무조건적인 SCSMI가 δ₁을 초과해야 하며(식 6), 다른 카테고리와의 SCSMI가 γ = 1.2 배 이상이면 중복으로 판단해 제거한다(식 7). 최종적으로 전역 선택 특성 집합 sel_fea에 합쳐진다.

실험에서는 7개의 공개 데이터셋(이미지 주석, 바이오인포매틱스 등)에서 기존 MB‑기반 방법(JFSC, MB‑MCF, KMB 등)과 최신 정보‑이론 기반 방법(MI‑MCF, LaCFS 등)을 비교했다. Ca‑MCF는 평균 5.3%~12.7%의 정확도 향상을 보였으며, 선택 특성 수는 30%~55% 감소했다. 특히 레이블 간 상호작용이 강한 데이터셋에서 차단 복구 메커니즘이 큰 효과를 발휘했다.

전체적으로 Ca‑MCF는 레이블‑카테고리 플래트닝을 통한 미세 인과 구조 탐색, 새로운 상호정보 측정값, 그리고 설명 경쟁 기반 복구라는 세 가지 혁신을 결합해, 다중레이블 환경에서 보다 해석 가능하고 견고한 특성 선택을 가능하게 한다.