基準分布の標準偏差に基づく正規化ワッサースタイン距離を用いたデータドリフト検出手法

木下 颯斗

卒業研究, 2026

Abstract

近年，機械学習に基づくイベントの自動検出が普及しているが，入力されるデータの統計的性質が時間や環境など様々な要因により変化するデータドリフトの存在が，検出性能に影響を与える．ドリフト検出には，実現と解釈の容易さから Population Stability Index (PSI) に基づく検出手法がよく用いられるが，データの区分分け（ビニング）を前提とする点に原理的な課題がある．本研究では，ビニングを用いずに分布間の幾何学的な差異を捉えられる，ワッサースタイン距離 (Wasserstein Distance: WD)に着目し，基準データの標準偏差で除算することでそのスケール依存性を解決した正規化ワッサースタイン距離 (Normalized WD: NWD) を用いた，NWD型検出手法を提案する．多様なドリフトパターンに対するシミュレーション評価により，NWD型検出手法は従来のPSI型検出手法と比較して，ドリフト強度が弱い場合においても高いF値を実現できることを示した．

Downloads

    Text Reference

    木下 颯斗, 基準分布の標準偏差に基づく正規化ワッサースタイン距離を用いたデータドリフト検出手法, 卒業研究, 関西大学, March 2026.

    BibTex Reference

    @phdthesis{kinoshita26bthesis,
    author = "木下, 颯斗",
    type = "{卒業研究}",
    title = "{基準分布の標準偏差に基づく正規化ワッサースタイン距離を用いたデータドリフト検出手法}",
    year = "2026",
    month = "March",
    school = "関西大学"
}