高速かつスケーラブルなスコアベースのカーネルキャリブレーションテスト

本記事では、カーネルキャリブレーション条件スタイン不一致テスト（KCCSDテスト）について述べています。これは、確率モデルのキャリブレーションを評価するためのノンパラメトリックでカーネルに基づくテストです。この手法は、従来のものと異なり、高価な期待値近似を必要とせず、第一種誤りの制御を可能にします。新しいカーネルファミリーを用いることで、確率密度サンプルなしにスコアベースの確率を推定できるようにし、KCCSDテストのU統計量に条件付きの適合度基準を採用しています。様々な人工データセットでテストの特性を実証しており、機械学習及び統計学における新たな手法として期待される内容となっています。