Fugu-MT 論文翻訳(概要): Consistent Estimators for Learning to Defer to an Expert

論文の概要: Consistent Estimators for Learning to Defer to an Expert

arxiv url: http://arxiv.org/abs/2006.01862v3
Date: Mon, 25 Jan 2021 01:43:28 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 00:02:30.335338
Title: Consistent Estimators for Learning to Defer to an Expert
Title（参考訳）: 専門家に学ぶための一貫性のある推定器
Authors: Hussein Mozannar, David Sontag
Abstract要約: 我々は、意思決定を下流の専門家に延期するか、予測するか選択できる予測器の学習方法を示す。様々な実験課題に対するアプローチの有効性を示す。
参考スコア（独自算出の注目度）: 5.076419064097734
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Learning algorithms are often used in conjunction with expert decision makers in practical scenarios, however this fact is largely ignored when designing these algorithms. In this paper we explore how to learn predictors that can either predict or choose to defer the decision to a downstream expert. Given only samples of the expert's decisions, we give a procedure based on learning a classifier and a rejector and analyze it theoretically. Our approach is based on a novel reduction to cost sensitive learning where we give a consistent surrogate loss for cost sensitive learning that generalizes the cross entropy loss. We show the effectiveness of our approach on a variety of experimental tasks.
Abstract（参考訳）: 学習アルゴリズムは、実際のシナリオでは、専門家の意思決定者と組み合わせて使用されることが多いが、この事実は、これらのアルゴリズムを設計する際にほとんど無視される。本稿では,意思決定を下流の専門家に先延ばしするか,あるいは先延ばしできる予測器の学習方法について検討する。専門家の判断のサンプルのみを与えられた場合、分類器と拒絶器の学習に基づく手続きを行い、理論的に分析する。提案手法は,クロスエントロピー損失を一般化するコストセンシティブな学習に一貫したサロゲート損失を与える,コストセンシティブな学習への新たな削減に基づく。様々な実験課題において,提案手法の有効性を示す。

関連論文リスト

Neural Active Learning Beyond Bandits [69.99592173038903]
ストリームベースとプールベースの両方のアクティブラーニングをニューラルネットワーク近似を用いて検討する。ストリームベースおよびプールベースアクティブラーニングのためのニューラルネットワークを新たに設計したエクスプロイトと探索に基づく2つのアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-18T21:52:14Z)
Principled Approaches for Learning to Defer with Multiple Experts [30.389055604165222]
マルチエキスパート設定に特化して,新たなサロゲート損失のファミリーを導入する。これらのサロゲート損失は、強い$H$一貫性境界の恩恵を受けることを証明している。
論文参考訳（メタデータ） (2023-10-23T10:19:09Z)
Causal Imitation Learning with Unobserved Confounders [82.22545916247269]
本研究では,学習者と専門家の感覚入力が異なる場合の模倣学習について検討する。我々は、専門家の軌跡の量的知識を活用することで、模倣が依然として実現可能であることを示した。
論文参考訳（メタデータ） (2022-08-12T13:29:53Z)
Sample Efficient Learning of Predictors that Complement Humans [5.830619388189559]
我々は、専門家の推論における補完的予測子の学習の利点を初めて理論的に分析する。我々は、人間の専門家予測の最小限のデータを必要とするアクティブな学習スキームを設計する。
論文参考訳（メタデータ） (2022-07-19T23:19:25Z)
Knowledge-driven Active Learning [70.37119719069499]
アクティブな学習戦略は、ディープラーニングモデルをトレーニングするために必要なラベル付きデータの量を最小限にすることを目的としている。ほとんどの積極的な戦略は不確実なサンプルの選択に基づいており、しばしば決定境界に近いサンプルに制限される。本稿では、一般的なドメイン知識を考慮し、エキスパートでないユーザがより少ないサンプルでモデルを訓練できるようにする。
論文参考訳（メタデータ） (2021-10-15T06:11:53Z)
Improving Human Sequential Decision-Making with Reinforcement Learning [29.334511328067777]
トレースデータから"ベストプラクティス"を抽出できる新しい機械学習アルゴリズムを設計する。我々のアルゴリズムは、労働者の行動と最適な政策によって取られた行動のギャップを最もうまく埋めるヒントを選択する。実験の結果,提案アルゴリズムが生成したチップは人体の性能を著しく向上させることができることがわかった。
論文参考訳（メタデータ） (2021-08-19T02:57:58Z)
Online Learning with Uncertain Feedback Graphs [12.805267089186533]
専門家間の関係をフィードバックグラフで把握し、学習者の意思決定を支援する。実際には、名目上のフィードバックグラフはしばしば不確実性を伴うため、専門家間の実際の関係を明らかにすることは不可能である。本研究は、潜在的な不確実性の諸事例を考察し、それらを扱うための新しいオンライン学習アルゴリズムを開発する。
論文参考訳（メタデータ） (2021-06-15T21:21:30Z)
Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文参考訳（メタデータ） (2021-02-23T08:07:22Z)
Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文参考訳（メタデータ） (2021-01-26T17:11:40Z)
Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文参考訳（メタデータ） (2021-01-24T05:40:29Z)
Automatic Discovery of Interpretable Planning Strategies [9.410583483182657]
我々は、慣用的ポリシーを単純かつ解釈可能な記述に変換する方法であるAI-Interpretを紹介する。フローチャートとしてAI-Interpretが生み出す決定ルールを守れば、人々の計画戦略や意思決定は大幅に改善される。
論文参考訳（メタデータ） (2020-05-24T12:24:52Z)

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。