AI分野の難関国際会議 AISTATS に中原講師の論文が採択
2025年5月3日〜5日にタイにて開催されました、人工知能、機械学習、統計学分野の国際会議 Artificial Intelligence and Statistics（AISTATS） 2025 にて、当センターの中原講師の論文が採択されました。AISTATS 2025の論文採択率は31%（1861件の応募から583件採択）と、難関国際会議として知られています。
■ Bayesian Decision Theory on Decision Trees: Uncertainty Evaluation and Interpretability
中原 悠太（早稲田大学）、齋藤 翔太（群馬大学）、一條 尚希（早稲田大学）、風間 皐希（湘南工科大学）、松嶋 敏泰（早稲田大学）
研究内容
本研究では、決定木を確率モデルとして捉え、その確率モデルに従ってデータが観測されているという仮定のもとで、ベイズ決定理論に基づく最適な意思決定を計算するための事後分布計算アルゴリズムを開発しました。特に予測の不確実性評価にこのアルゴリズムを応用しました。このアルゴリズムはサンプルサイズの小さなデータに対しても予測の不確実性を正確に評価できるという特徴があります。また、統計的な意味付けの明確な特徴量重要度指標も提案しました。提案したモデル、アルゴリズムは著者らの開発するBayesML というライブラリから利用できます。
データ科学教育プログラムとの繋がり
この研究を本センターの教育プログラムの用語を用いて説明すると、意思決定写像における目的、入力、出力、設定、評価基準をそれぞれ以下のように定めたもとで最適な意思決定を計算する方法を提案したことになります。
目的：新規目的変数の予測の不確実性評価
入力：n組の説明変数と目的変数（訓練データ）、新規説明変数
出力：新規目的変数の予測区間
設定：データは論文で提案した決定木確率モデルに従って観測される
評価基準1：予測区間が新規目的変数を含むかどうかを表す0-1損失に基づくベイズリスク関数
評価基準2：予測区間の長さ
このように、意思決定写像の考え方を用いることで最先端の国際学会で発表される研究内容も統一的な観点から理解できるようになります。
意思決定写像について詳しくは、本センターの教育プログラム や、教科書 をご覧ください。
