조건부 포함률

평균을 내기 전의 조건

주변 포함률은 학습 자료와 새 관측을 함께 반복 추출했을 때의 포함 확률이다. 입력 조건부 포함률에서는 새 입력 X=x를 고정하지만 학습 자료의 무작위성은 여전히 평균할 수 있다. 학습 자료를 고정한 뒤의 보장과는 조건이 다르다. 같은 조건부라는 표현을 쓰더라도 어떤 변수를 고정하는지 확인해야 한다.

전체 95퍼센트의 빈틈

전체의 90%를 차지하는 집단 A에서 포함률이 1이고 나머지 집단 B에서 0.5라고 하자. 전체 포함률은 0.9×1+0.1×0.5=0.95다. 전체 95%라는 수치만으로 B에서도 95%라고 할 수 없다. 이 자체 예제는 집단별 차이가 주변 평균에서 어떻게 가려지는지 보여 주며 특정 절차의 실제 성능을 나타내지는 않는다.

보편적인 보장이 어려운 이유

연속적인 입력 공간에서 유한한 자료만 보고 모든 분포와 거의 모든 입력에 대해 정확한 조건부 포함률을 요구하면, 유용한 유한 길이 예측 구간을 일반적으로 보장할 수 없다. 매끄러움 같은 추가 구조 없이 관측하지 않은 입력 근처의 분포를 제한하기 어렵기 때문이다. 이 한계를 모든 종류의 조건부 추론이 불가능하다는 주장으로 확대하면 안 된다.

집단 보장과 점검

조건을 미리 정한 집단의 모음으로 제한하거나 분포에 구조를 가정하면 다른 보장을 연구할 수 있다. 집단별 경험 포함률을 계산할 때는 표본 수와 변동성도 함께 본다. 작은 집단의 관측 포함률이 높다는 사실만으로 확실한 보장이 생기지는 않는다. 평가 자료를 보고 유리한 집단만 고르는 일도 피해야 한다.