反実仮想機械学習

反実仮想機械学習（はんじつかそうきかいがくしゅう, 英: Counterfactual Machine Learning, 略称：CFML）とは、機械学習の手法の一つであり、機械学習と因果推論の融合技術である。

観測されたデータに基づいて、起こり得たが、実際には起こらなかった反実仮想的な状況を推定する技術である。実験的にすべての可能な行動を観測できない現実世界において、何らかの介入や選択の結果を予測するために使用され、特に医療、経済、社会政策などの分野で、因果関係の理解や意思決定の最適化に活用することができる。

概要

反実仮想機械学習では、観測されたログデータから、実際には観測できなかった反実仮想的な状況を推定する。ログデータは以下のような形をしている。

$LogData=\{{\bigl (}Feature_{i},Action_{i},Result_{i}{\bigr )}\}_{i=1}^{n}$

ここで特徴量(Feature)は、行動の結果(Result)に影響を与える可能性がある情報。行動(Action)はログデータが収集された期間において行われた行動(意思決定)の情報である。行動の結果(Result)は、例えばユーザ評価や購入アイテムなどである。ここで重要なのは、ログデータとして観測された情報は複数ある選択肢の中から選ばれた結果であり、起こり得たが実際には起こらなかった反実仮想的な状況は観測されていないということである。反実仮想機械学習(意思決定最適化問題)では、過去のログデータから意思決定則を学習し、新たな特徴量に対しても最適な行動を選択することが目的である。

オフ方策評価

特定の方策（ポリシー）に従って収集されたデータを使用して、他の方策の性能を評価することを指す。実際の環境で新たな方策を試すことなく、その方策の有効性を推定するために利用される。新しい方策のテストを行う際に、実際の環境での試行を避けたい場合などに有効である。

参考文献

• 齋藤優太『反実仮想機械学習 機械学習と因果推論の融合技術の理論と実践』、技術評論社、2024年4月26日。ISBN 978-4-297-14029-8