[論文レビュー] The Compilation of Decision Models

David Heckerman, John S. Breese+1 more|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference参考文献 13被引用数 10

ひとこと要約

本稿は、実行時遅延とメモリコストを最小限に抑えつつ効用を最大化するため、意思決定モデルを、証拠の最適な部分集合を選択して事前計算する意思決定理論的枠組みを提示する。証拠重みの分布に依存して最適なコンパイル度合いが変化することを示しており、条件付き独立性の仮定のもとで、工学的応用における段階的でコスト感知型の知識コンパイルを可能にする。

ABSTRACT

We introduce and analyze the problem of the compilation of decision models from a decision-theoretic perspective. The techniques described allow us to evaluate various configurations of compiled knowledge given the nature of evidential relationships in a domain, the utilities associated with alternative actions, the costs of run-time delays, and the costs of memory. We describe procedures for selecting a subset of the total observations available to be incorporated into a compiled situation-action mapping, in the context of a binary decision with conditional independence of evidence. The methods allow us to incrementally select the best pieces of evidence to add to the set of compiled knowledge in an engineering setting. After presenting several approaches to compilation, we exercise one of the methods to provide insight into the relationship between the distribution over weights of evidence and the preferred degree of compilation.

研究の動機と目的

• 不確実な証拠と変動するコストを伴う分野における意思決定モデルの効率的コンパイルの課題に対処すること。
• 意思決定システムにおけるメモリ使用量、実行時遅延、および効用の間のトレードオフをバランスすること。
• コンパイルされた知識に含めるために最も価値のある証拠を段階的に選択する手法を開発すること。
• 証拠重みの分布に基づいて最適なコンパイル度合いを決定するための原則的枠組みを提供すること。
• リソースが限られた現実世界の工学的システムへのコンパイル済み意思決定モデルの実用的導入を可能にすること。

提案手法

• 証拠の条件付き独立性を仮定した2値意思決定モデルを用いて、各証拠をコンパイル済み知識ベースに含める価値を評価する。
• 行動の効用、メモリコスト、実行時遅延ペナルティを組み込んだコスト・ベネフィット分析を定式化する。
• 限界効用の増加分に基づいて、最も価値のある証拠を段階的に追加するためのグリーディで段階的な選択手順を提案する。
• 証拠重みの分布をモデル化することで、最適なパフォーマンスを得るための望ましいコンパイルレベルを予測する。
• 意思決定理論的最適化を用いて、単位コストあたりの期待効用を最大化する観測のサブセットを特定する。

実験結果

リサーチクエスチョン

• RQ1 合計コストを最小限に抑えつつ効用を最大化するため、コンパイル済み意思決定モデルに含める最適な証拠のサブセットは何か？
• RQ2 証拠重みの分布は、コンパイル度合いの好みにどのように影響を与えるか？
• RQ3 コンパイル済みモデルにおけるメモリコスト、実行時遅延、意思決定の正確性の間にはどのようなトレードオフがあるか？
• RQ4 知識コンパイルプロセスにおいて、単位コストあたりの効用増加を最大化するための証拠の段階的選択はどのように実現できるか？
• RQ5 条件付き独立性は、コンパイル済み意思決定モデルの効率性と有効性にどのような影響を与えるか？

主な発見

• 最適なコンパイル度合いは、証拠重みの分布に強く依存しており、重い尾を持つ分布ではより積極的なコンパイルが好ましい。
• 段階的選択法は一貫して高価値の証拠を特定し、効用を向上させつつメモリコストと遅延コストを制御する。
• メモリコストと遅延コストが、コンパイル済みモデルの実用性を決定づける重要な要因であることが示された。
• 戦略的な事前計算により、実行時意思決定コストを顕著に削減できるフレームワークを提供する。
• 完全な証拠集合のわずか一部でさえも、工学的文脈においてスケーラビリティと効率性を示す近似的最適なパフォーマンスを達成する。