본 논문은 확률적 기계 학습 모델에서 예측의 신뢰성을 평가하기 위해 불확실성 정량화(UQ)를 체계적으로 추정하는 프레임워크를 제시한다. 특히, 가우시안 프로세스 잠재 변수 모델(GPLVM)에 초점을 맞춰 확장 가능한 랜덤 푸리에 특징 기반 가우시안 프로세스를 사용하여 예측 분포를 효율적으로 근사한다. 이는 인식론적 및 우연적 불확실성 모두를 추정하며, UQ에 대한 이론적 공식을 유도하고 몬테카를로 샘플링 기반 추정 방법을 제안한다. 실험을 통해 불확실성 추정의 영향을 평가하고 예측 불확실성의 원인에 대한 통찰력을 제공하며, 제안된 접근 방식의 효과를 보여준다.
