[Paper] 중재 하에서 유효한 선택적 컨포멀 추론을 위한 부분 인과 구조 학습

Source: arXiv - 2603.02204v1

개요

선택적 컨포멀 예측은 더 타이트하고 데이터 기반의 불확실성 추정치를 제공한다—하지만 보정 포인트가 실제로 테스트 포인트와 유사할 때만 . 많은 과학 및 공학 분야(예: 유전자 교란 실험)에서는 이러한 “교환 가능성”이 목표 변수를 변경하지 않는 개입의 하위 집합 내에서만 성립한다. 이 논문은 기본 인과 불변성 구조가 알려져 있지 않으며 데이터 자체로부터 추론해야 하는 현실적인 상황을 다루며, 학습된 구조가 불완전하더라도 컨포멀 커버리지 보장을 유지할 수 있는 견고한 방법을 제시한다.

주요 기여

• 오염에 강인한 커버리지 정리 – (g(δ,n)) 함수를 통해 잘못 식별된 보정 포인트의 비율 δ를 명시적으로 고려한 유한 표본 하한을 도출한다. 이 하한은 어떠한 오염 분포에 대해서도 성립한다.
• 부분 인과 학습 공식화 – 전체 인과 그래프를 재구성하는 대신, 저자들은 선택적 보정에 필요한 이진 후손 지표 (Z_{a,i} = \mathbf{1}{i \in \text{desc}(a)})만을 학습할 것을 제안한다.
• 후손 발견을 위한 알고리즘 –
  1. 교란‑교차 방법: 서로 다른 개입에 의해 영향을 받는 변수들의 겹치는 집합을 활용해 후손 관계를 추론한다.
  2. 지역 불변 인과 예측 (ICP) 추정기: 각 변수에 대한 근사적인 “개입까지 거리” 점수를 제공한다.
• 이론적 복구 조건 – 개입 설계에 대한 완화된 가정 하에, 학습된 후손 집합의 오분류율이 제어 가능한 δ 이하로 유지된다는 것을 보장한다.
• 실증 검증 – 합성 선형 SEM 실험에서 보정된 선택적 컨포멀 절차가 30 % 오염 상황에서도 ≥ 95 % 커버리지를 유지함을 확인했으며, 반면 순수 방법은 ≈ 86 %로 감소한다. 실제 CRISPRi 교란 데이터 (Replogle K562)를 이용한 개념 증명에서도 이 접근법이 고차원 유전체 스크린에 적용 가능함을 보여준다.

Methodology

1. Problem framing – 개입 데이터셋에서 각 실험 (a)는 변수들의 부분 집합에 개입한다. 목표 변수 (Y)에 대해, (Y)에 영향을 주지 않는 개입(즉, (Y)가 개입된 노드의 후손이 아닌 경우)에서 얻은 보정점만이 동일한 개입 하에 추출된 테스트 포인트와 교환 가능하다.
2. Partial causal learning – 전체 DAG를 학습하는 대신, 방법은 binary matrix (Z)를 학습한다. 이 행렬의 각 원소는 변수 (i)가 개입 (a)의 후손인지 여부를 나타낸다. 이는 어떤 보정 예시를 유지할지 결정하는 데 충분하다.
3. Descendant discovery via intersection patterns –
   • 각 개입에 대해, 분포가 변하는 변수들의 집합을 기록한다(간단한 두 표본 검정으로 탐지).
   • 여러 개입에 걸친 이러한 “affected” 집합들의 교집합을 통해 공통 후손을 밝혀내고, 규칙 기반으로 (Z)를 구성한다.
4. Local ICP for distance‑to‑intervention – 각 변수를 잠재적 “목표”로 간주하고, 개입의 부분 집합에 대해 invariant causal prediction을 수행한다. 얻어진 p‑값 프로파일은 변수가 개입 원천으로부터 얼마나 떨어져 있는지를 나타내는 부드러운 점수를 제공한다.
5. Contamination‑aware conformal inference – 선택된 보정 집합에 대해 표준 split‑conformal prediction을 적용한 뒤, (g(δ,n)) 경계값을 사용해 예측 구간을 조정한다. 이를 통해 잘못 분류될 가능성이 있더라도 원하는 커버리지를 보장한다.

모든 단계는 계산량이 가볍다(선형 시간 집합 연산, 표준 가설 검정, 그리고 기존 ICP 구현 사용). 따라서 대규모 교란 연구에서도 파이프라인을 실현 가능하게 만든다.

Results & Findings

Key take‑aways

• The coverage bound is tight: even when up to 30 % of calibration points are wrongly included, the corrected intervals still meet the nominal guarantee.
• The learned descendant matrix (Z) is accurate enough in practice to enable selective calibration, yielding substantially narrower prediction sets compared with using the whole calibration pool.

실용적 함의

• 유전체학 및 약물 발견 – 연구자들은 고처리량 교란 스크린(CRISPR, RNAi, 화학적 억제)을 수행하면서 통계적 보장을 포기하지 않고도 하위 예측(예: 유전자 발현 반응, 표현형 가능성)에 대한 신뢰 구간을 신뢰성 있게 얻을 수 있습니다.
• A/B 테스트 및 온라인 실험 – 개입(기능 플래그, UI 변경)이 일부 하위 지표에만 영향을 미치는 플랫폼에서, 이 방법은 “영향을 받지 않은” 보정 데이터를 분리하여 핵심 성과 지표에 대한 불확실성 경계를 더 좁게 만들 수 있습니다.
• 견고한 ML 파이프라인 – 오염을 고려한 컨포멀 보정은 기존의 컨포멀 예측 라이브러리(예: mapie, conformal‑inference)에 전처리 필터로 쉽게 삽입할 수 있어 개발자들이 손쉽게 채택할 수 있습니다.
• 자원 효율성 – 이진 후손 지표만 학습함으로써 전체 인과 관계 탐색의 조합 폭발을 피하고, 수천 개 변수와 수백 개 개입이 있는 데이터셋에도 배포가 가능합니다.

제한 사항 및 향후 연구

• 식별 가능한 영향을 받는 집합에 대한 가정 – 교차 기반 방법은 각 개입별로 분포 변화를 감지할 수 있어야 합니다; 잡음이 많은 측정이나 약한 효과는 더 높은 δ를 초래할 수 있습니다.
• 실험에서 선형 SEM에 초점 – 합성 검증은 선형 구조 방정식 모델을 사용합니다; 비선형 또는 비가우시안 설정에 대한 보장을 확장하는 것은 아직 미해결 질문입니다.
• 로컬 ICP의 확장성 – 중간 차원에서는 가능하지만, 수만 개 변수에 대해서는 ICP가 비용이 많이 들 수 있습니다; 향후 연구에서는 근사적이거나 신경망 기반 불변성 테스트를 탐색할 수 있습니다.
• 동적 개입 – 현재 프레임워크는 정적인 개입 집합을 가정합니다; 시간에 따라 변하거나 적응형 개입(예: 강화 학습 정책)을 다루면 적용 범위가 확대됩니다.

전체적으로, 이 논문은 인과 추론과 컨포멀 예측을 연결하여 개입이 풍부한 환경에서 신뢰할 수 있는 불확실성 정량화가 필요한 개발자를 위한 실용적인 도구를 제공합니다.

저자

• Amir Asiaee
• Kavey Aryan
• James P. Long

논문 정보

• arXiv ID: 2603.02204v1
• Categories: cs.LG, stat.ML
• Published: 2026년 3월 2일
• PDF: PDF 다운로드