論文の概要: Underestimation Bias and Underfitting in Machine Learning

• arxiv url: http://arxiv.org/abs/2005.09052v3
• Date: Thu, 11 Feb 2021 09:41:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 23:03:24.926361
• Title: Underestimation Bias and Underfitting in Machine Learning
• Title（参考訳）: 機械学習における過小評価バイアスと過小評価
• Authors: Padraig Cunningham, Sarah Jane Delany
• Abstract要約: 機械学習におけるアルゴリズムバイアスと呼ばれるものは、トレーニングデータの歴史的なバイアスによるものである。 時には、アルゴリズム自体によってバイアスがもたらされる(あるいは少なくとも悪化する)ことがある。 本稿では,分類アルゴリズムのバイアスに寄与する要因を理解するための初期研究について報告する。
• 参考スコア（独自算出の注目度）: 2.639737913330821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Often, what is termed algorithmic bias in machine learning will be due to historic bias in the training data. But sometimes the bias may be introduced (or at least exacerbated) by the algorithm itself. The ways in which algorithms can actually accentuate bias has not received a lot of attention with researchers focusing directly on methods to eliminate bias - no matter the source. In this paper we report on initial research to understand the factors that contribute to bias in classification algorithms. We believe this is important because underestimation bias is inextricably tied to regularization, i.e. measures to address overfitting can accentuate bias.
• Abstract（参考訳）: 機械学習におけるアルゴリズムバイアスと呼ばれるものは、トレーニングデータの歴史的なバイアスに起因することが多い。 しかし、時にはアルゴリズム自体によってバイアスがもたらされる(あるいは少なくとも悪化する)こともある。 アルゴリズムがバイアスを実際に強調する方法は、ソースが何であれバイアスを取り除く方法に直接焦点を当てる研究者からは、あまり注目されていない。 本稿では,分類アルゴリズムのバイアスに寄与する要因を理解するための初期研究について報告する。 私たちは、過大評価バイアスが不必要に正規化と結びついているため、これは重要であると信じています。

関連論文リスト

• Mitigating Algorithmic Bias on Facial Expression Recognition [0.0]
  バイアス付きデータセットはユビキタスであり、機械学習の課題を提示している。 偏りのあるデータセットの問題は、少数民族グループを扱う際に特に敏感である。 本研究は, 表情認識実験による偏差変化型オートエンコーダを用いて, 偏差を緩和する方法の1つを探る。
  論文  参考訳（メタデータ） (2023-12-23T17:41:30Z)
• A survey on bias in machine learning research [0.0]
  機械学習におけるバイアスに関する現在の研究は、しばしば公正に焦点を当て、バイアスの根源や原因を見下ろしている。 本稿は、データやモデルにおけるバイアスやエラーの潜在的な源として分類を提供することによって、研究におけるバイアスに関する過去の文献間のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2023-08-22T07:56:57Z)
• Signal Is Harder To Learn Than Bias: Debiasing with Focal Loss [10.031357641396616]
  ニューラルネットワークは、不必要な関連性(バイアスとしても知られる)を学ぶことで悪名高い。 本稿では、偏りと偏りのない分類器を同時に訓練する変分自動符号化方式であるSignal is Harderを提案する。 本稿では,実践者が刺激的な相関関係の源泉を知るのに役立つバイアスを可視化するために,潜伏空間における摂動スキームを提案する。
  論文  参考訳（メタデータ） (2023-05-31T09:09:59Z)
• Whole Page Unbiased Learning to Rank [59.52040055543542]
  アンバイアスド・ラーニング・トゥ・ランク(ULTR)アルゴリズムは、バイアスド・クリックデータを用いたアンバイアスド・ランキングモデルを学ぶために提案される。 本稿では,BALというアルゴリズムをランク付けするバイアス非依存学習を提案する。 実世界のデータセットによる実験結果から,BALの有効性が検証された。
  論文  参考訳（メタデータ） (2022-10-19T16:53:08Z)
• The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
  埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。 本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
  論文  参考訳（メタデータ） (2022-03-28T09:28:13Z)
• Pseudo Bias-Balanced Learning for Debiased Chest X-ray Classification [57.53567756716656]
  本研究では, バイアスラベルを正確に把握せず, 脱バイアス胸部X線診断モデルの開発について検討した。 本稿では,まずサンプルごとのバイアスラベルをキャプチャし,予測する新しいアルゴリズム,擬似バイアスバランス学習を提案する。 提案手法は他の最先端手法よりも一貫した改善を実現した。
  論文  参考訳（メタデータ） (2022-03-18T11:02:18Z)
• Information-Theoretic Bias Reduction via Causal View of Spurious Correlation [71.9123886505321]
  本稿では,スプリアス相関の因果的解釈による情報理論バイアス測定手法を提案する。 本稿では,バイアス正規化損失を含むアルゴリズムバイアスに対する新しいデバイアスフレームワークを提案する。 提案したバイアス測定とデバイアス法は、多様な現実シナリオで検証される。
  論文  参考訳（メタデータ） (2022-01-10T01:19:31Z)
• Algorithms are not neutral: Bias in collaborative filtering [0.0]
  アルゴリズムバイアスの議論は、データまたはアルゴリズムを構築している人々が偏っている例に焦点を当てる傾向がある。 これは、人気に悩まされ、バイアスを均質化することで知られる協調フィルタリングの例で示される。 人気と均質化バイアスは、すでに限界を更に限界化させる効果があります。
  論文  参考訳（メタデータ） (2021-05-03T17:28:43Z)
• Towards causal benchmarking of bias in face analysis algorithms [54.19499274513654]
  顔分析アルゴリズムのアルゴリズムバイアスを測定する実験手法を開発した。 提案手法は,一致したサンプル画像の合成トランスクター'を生成することに基づく。 性別分類アルゴリズムの偏見を従来の観察法を用いて分析することにより,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2020-07-13T17:10:34Z)
• Mitigating Gender Bias Amplification in Distribution by Posterior Regularization [75.3529537096899]
  本稿では,男女差の増幅問題について,分布の観点から検討する。 後続正則化に基づくバイアス緩和手法を提案する。 私たちの研究はバイアス増幅の理解に光を当てている。
  論文  参考訳（メタデータ） (2020-05-13T11:07:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。