Fugu-MT 論文翻訳(概要): Fair Classification under Covariate Shift and Missing Protected Attribute -- an Investigation using Related Features

論文の概要: Fair Classification under Covariate Shift and Missing Protected Attribute -- an Investigation using Related Features

arxiv url: http://arxiv.org/abs/2204.07987v1
Date: Sun, 17 Apr 2022 12:08:08 GMT
ステータス: 処理完了
システム内更新日: 2022-04-19 17:07:35.672138
Title: Fair Classification under Covariate Shift and Missing Protected Attribute -- an Investigation using Related Features
Title（参考訳）: 共変量シフトと欠落保護属性に基づく公正分類 -関連特徴を用いた検討-
Authors: Manan Singh
Abstract要約: 本研究では,コヴァリエートシフト処理における重み付けと,コヴァリエートシフト処理のための重み付けを用いた単純なアプローチと,保護属性の欠落を扱うための関連特徴arXiv:2104.14537を用いて,コヴァリエートシフトの下での公平な分類と保護属性の欠落の問題を検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study investigated the problem of fair classification under Covariate Shift and missing protected attribute using a simple approach based on the use of importance-weights to handle covariate-shift and, Related Features arXiv:2104.14537 to handle missing protected attribute.
Abstract（参考訳）: 本研究は,共変量シフトと保護属性の欠如に対する公平な分類の問題を,共変量シフトを扱うための重要度重みの使用と,保護属性の欠如を扱うためのarxiv:2104.14537に関連する特徴に基づく単純なアプローチを用いて検討した。

関連論文リスト

Class-attribute Priors: Adapting Optimization to Heterogeneity and Fairness Objective [54.33066660817495]
現代の分類問題は、個々のクラスにまたがって不均一性を示す。本稿では,クラス固有の学習戦略を効果的かつ汎用的に生成するCAPを提案する。 CAPは先行技術と競合しており、その柔軟性により、バランスの取れた精度以上の公平性目標に対する明確なメリットが期待できる。
論文参考訳（メタデータ） (2024-01-25T17:43:39Z)
When Fair Classification Meets Noisy Protected Attributes [8.362098382773265]
本研究は, 属性耐性, 耐雑音性, 属性ブラインドアルゴリズムを比較した, 公平な分類アルゴリズムの先進的な研究である。本研究は,属性ブレンドとノイズ耐性公正分類器が,属性耐性アルゴリズムと同等の性能を達成できることを明らかにする。
論文参考訳（メタデータ） (2023-07-06T21:38:18Z)
Causal Effect Regularization: Automated Detection and Removal of Spurious Attributes [13.852987916253685]
多くの分類データセットでは、タスクラベルはいくつかの入力属性と突発的に相関している。本稿では,ラベルに対する因果関係を推定することにより,スプリアス属性を自動的に識別する手法を提案する。本手法は, 因果効果のノイズ評価においても, 突発性特性への依存を緩和する。
論文参考訳（メタデータ） (2023-06-19T17:17:42Z)
Fairness via Adversarial Attribute Neighbourhood Robust Learning [49.93775302674591]
本稿では,分類ヘッドを損なうために,UnderlineRobust underlineAdversarial underlineAttribute underlineNeighbourhood (RAAN)損失を原則として提案する。
論文参考訳（メタデータ） (2022-10-12T23:39:28Z)
Multivariate feature ranking of gene expression data [62.997667081978825]
ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-03T17:19:53Z)
Interventional Domain Adaptation [81.0692660794765]
ドメイン適応(DA)は、ソースドメインからターゲットドメインに学習した差別的特徴を転送することを目的としている。標準的なドメイン不変学習は、素早い相関に悩まされ、ソース固有性を誤って転送する。ドメイン固有部分とドメイン共有部分とを区別する反ファクト機能を作成します。
論文参考訳（メタデータ） (2020-11-07T09:53:13Z)
Identifying Spurious Correlations for Robust Text Classification [9.457737910527829]
そこで本研究では,テキスト分類におけるスプリアスと真の相関を区別する手法を提案する。我々は、治療効果推定器から得られる特徴を用いて、突発的な相関を「遺伝子」と区別する。 4つのデータセットの実験は、このアプローチを使って特徴の選択を知らせることが、より堅牢な分類につながることを示唆している。
論文参考訳（メタデータ） (2020-10-06T03:49:22Z)
Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features [72.72840552588134]
本研究は, 粒度認識ネットワークにおけるクラス間の潜伏表現の近接性を, 敵攻撃の成功の鍵となる要因として同定する。注意に基づく正規化機構を導入し、異なるクラスの識別潜在特徴を最大限に分離する。
論文参考訳（メタデータ） (2020-06-10T18:34:45Z)
On Irrelevance of Attributes in Flexible Prediction [0.0]
本稿では,「フレキシブル予測」と呼ばれる漸進的概念形成法により得られた概念階層の特性を解析する。簡単な属性と組み合わせた属性の選択,個々の属性のスケーリングと分布,およびそれらの相関強度の影響について検討した。
論文参考訳（メタデータ） (2020-05-25T08:41:48Z)
Attribute Mix: Semantic Data Augmentation for Fine Grained Recognition [102.45926816660665]
本研究では属性レベルのデータ拡張戦略であるAttribute Mixを提案する。その原則は、属性の特徴が細粒度のサブカテゴリ間で共有され、画像間でシームレスに転送可能であることである。
論文参考訳（メタデータ） (2020-04-06T14:06:47Z)

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。