가중 컨포멀 예측

입력의 빈도가 바뀐 상황

보정 자료에는 짧은 문장이 많지만 실제 사용에서는 긴 문장이 많을 수 있다. 길이가 주어졌을 때 오차의 분포가 같더라도 입력 구성 비율이 달라지면 원래의 보정 문턱을 그대로 옮길 근거가 약해진다. 목표 분포에서 상대적으로 흔한 입력의 보정 점수에 더 큰 비중을 주는 것이 가중 방식의 출발점이다.

밀도비를 해석하는 예제

두 입력 집단 A와 B의 보정 비율이 각각 0.8,0.2이고 목표 비율이 0.4,0.6이라고 하자. 밀도비는 A에서 0.5, B에서 3이다. 보정 자료의 B 한 건이 목표 분포를 표현할 때 A 한 건보다 여섯 배 큰 비중을 갖는다. 이 계산은 가중치의 의미를 설명하며 그 자체로 예측 구간을 완성하지는 않는다.

새 입력의 질량도 포함하기

가중 분할 보정에서는 보정 점수의 가중 분포에 새 입력의 가중치에 대응하는 무한대 점수의 질량도 더해 분위수를 정한다. 분모는 보정 가중치의 합에 새 입력 가중치를 더한 값이다. 이 때문에 새 입력이 보정 자료에 비해 매우 이례적이면 문턱이 무한대가 될 수 있다. 보정 점수에 가중치만 곱해 보통 분위수를 구하는 절차와는 다르다.

정확한 보장의 전제

기본 유한 표본 보장은 조건부 반응 분포의 유지, 목표 입력 분포를 보정 분포로 표현할 수 있는 조건, 올바른 밀도비 등을 전제로 한다. 보정 분포에 전혀 없는 영역을 목표 분포가 요구하면 문제가 생긴다. 밀도비를 학습해 사용한 결과가 정확한 비를 안 경우와 동일하게 보장되는 것은 아니다. 반응 규칙 자체가 변하는 상황도 공변량 이동과 구별한다.