Tag
破産予測が標準的な分類問題として扱われるとき、失敗します。本質的に問われているのは、極度のクラス不均衡です。企業破産データセットの実証研究では、破産企業の発生率は3～5%（Altman, 1968; Beaver, 1966）であり、一方で健全企業は観測値の95～97%を占めています。従来の分類アルゴリズムは、多数派クラスの予測を通じて全体的精度を最適化します。これは数学的には損失関数を最小化しますが、運用上は少数派クラスのインスタンスを検出できません。
運用システムに配置された予測モデルは、もはやデータの受動的な観察者ではありません。予測アルゴリズムが出力を生成する際—取引判断、ポートフォリオ配分、リスク管理シグナルなど—その出力は直接的な介入となり、モデルが検証と再学習に依存するデータ生成プロセスそのものを変更します。これは古典的な予測の仮定から根本的に逸脱しています。従来の時系列モデルは、将来がモデルの予測とは独立したプロセスに従って進化することを前提としています。
従来の医薬品開発は長期的で段階的なプロセスに従います。研究者は疾患の標的タンパク質を特定し、化学ライブラリー（通常100万～1000万の化合物）をハイスループットスクリーニングアッセイで検査し、有望な候補を細胞およびモデル動物で検証し、規制当局の承認を経ます。このプロセスには10～15年と平均26億ドルの資本化コストが必要です（DiMasi et al., 2016）。運動ニューロン病（MND）などの稀な神経疾患の場合、このタイムラインは根本的な制約となります。