意思決定のための効率的なキャリブレーション

本論文では、意思決定におけるキャリブレーションの効率を向上させる手法について議論しています。著者らは、完全キャリブレーションを理論的に定義し、後処理によって結果が改善されないことを示しています。HuとWuによって提案されたキャリブレーション決定損失（CDL）という概念を用いて、任意の適切な損失に対する後処理の潜在的な改善を測定します。しかし、オフラインの設定でこのCDLを近似することは非常に困難です。この問題に対処するため、著者らは構造化された後処理関数のファミリーに注目し、これに基づく新たなキャリブレーション決定損失（CDL_K）を定義しました。さらに、この新しい理論を用いて、いくつかの機械学習で幅広く用いられる再キャリブレーション手法に対して厳密な保証を提供しています。