Missingness-MDPs: 결측 데이터 이론과 POMDP의 가교

요약

본 논문은 결측 데이터 이론과 부분 관측 마르코프 결정 과정(POMDPs)을 통합한 새로운 하위 클래스인 missingness-MDPs (miss-MDPs)를 제안합니다. miss-MDP는 특정 시점에서 상태 특징이 누락될 확률을 지정하는 POMDP입니다. 연구진은 행동-관측 궤적 데이터셋에서 미지의 결측 함수를 학습하여, 근사적으로 정확한(PAC) 알고리즘을 통해 최적의 정책을 계산하는 방법을 제시합니다.

핵심 포인트

• missingness-MDPs (miss-MDPs)는 결측 데이터를 고려한 POMDP의 새로운 하위 클래스이다.
• 결측 데이터 유형(MCAR, MAR, MNAR)에 대한 구조적 특성을 활용하여 미지의 결측 함수를 학습하는 PAC 알고리즘을 개발했다.
• 제안된 방법은 근사적으로 정확하게 miss-MDP를 생성하며, 이를 통해 도출된 정책이 실제 miss-MDP에서 $\epsilon$-최적임을 증명했다.
• 실험 결과는 기존의 모델 프리 POMDP 방법론보다 우수한 성능을 보였다.