論文の概要: Equality of Effort via Algorithmic Recourse
- arxiv url: http://arxiv.org/abs/2211.11892v1
- Date: Mon, 21 Nov 2022 22:41:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 17:17:30.612674
- Title: Equality of Effort via Algorithmic Recourse
- Title（参考訳）: アルゴリズムリコースによる努力の平等
- Authors: Francesca E. D. Raimondi, Andrew R. Lawrence, Hana Chockler
- Abstract要約: 本稿では,最小限の介入によるアルゴリズム的談話を適用し,努力の等しさによる公正度の測定手法を提案する。
作業の平等の定義を拡張し,アルゴリズムによる評価を行うアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 3.3517146652431378
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a method for measuring fairness through equality of
effort by applying algorithmic recourse through minimal interventions. Equality
of effort is a property that can be quantified at both the individual and the
group level. It answers the counterfactual question: what is the minimal cost
for a protected individual or the average minimal cost for a protected group of
individuals to reverse the outcome computed by an automated system? Algorithmic
recourse increases the flexibility and applicability of the notion of equal
effort: it overcomes its previous limitations by reconciling multiple treatment
variables, introducing feasibility and plausibility constraints, and
integrating the actual relative costs of interventions. We extend the existing
definition of equality of effort and present an algorithm for its assessment
via algorithmic recourse. We validate our approach both on synthetic data and
on the German credit dataset.
- Abstract（参考訳）: 本稿では,最小限の介入によるアルゴリズム的帰納法を適用し,努力の平等を通して公平性を測定する手法を提案する。
努力の平等は、個人レベルとグループレベルの両方で定量化できる性質である。
保護された個人に対する最小のコスト、あるいは保護された個人の平均の最小のコストは、自動化されたシステムによって計算された結果を逆転させるのか?
アルゴリズムリコースは、平等な努力の概念の柔軟性と適用性を高める: 複数の処理変数の調整、実現可能性と可能性制約の導入、介入の実際の相対コストの統合により、以前の制限を克服する。
既存の努力の平等性の定義を拡張し、アルゴリズム的リコースを通じてその評価のためのアルゴリズムを提案する。
我々は、合成データとドイツのクレジットデータセットの両方にアプローチを検証する。
関連論文リスト
- Optimal Multi-Fidelity Best-Arm Identification [65.23078799972188]
バンディットのベストアーム識別において、アルゴリズムは、できるだけ早く特定の精度で、最高平均報酬の腕を見つけることを任務とする。
マルチフィデリティのベストアーム識別について検討し、低コストで低いフィデリティ(正確な平均推定値を持たない)で腕をサンプリングすることを選択できる。
この問題に対処するためのいくつかの方法が提案されているが、その最適性は、特に最適な腕を特定するのに必要な総コストのゆるやかな下限のため、未解決のままである。
論文 参考訳（メタデータ） (2024-06-05T08:02:40Z) - Theoretically Principled Federated Learning for Balancing Privacy and
Utility [61.03993520243198]
モデルパラメータを歪ませることでプライバシを保護する保護機構の一般学習フレームワークを提案する。
フェデレートされた学習における各コミュニケーションラウンドにおいて、各クライアント上の各モデルパラメータに対して、パーソナライズされたユーティリティプライバシトレードオフを実現することができる。
論文 参考訳（メタデータ） (2023-05-24T13:44:02Z) - Algorithmic Recourse with Missing Values [11.401006371457436]
本稿では,欠落した値の存在下でも機能するアルゴリズム・リコース(AR)の新たな枠組みを提案する。
ARは、分類器によって与えられる望ましくない予測結果を変更するためのリコースアクションを提供することを目的としている。
実験の結果, 基準値に比較して, 欠落した値の存在下での本手法の有効性が示された。
論文 参考訳（メタデータ） (2023-04-28T03:22:48Z) - Stability is Stable: Connections between Replicability, Privacy, and
Adaptive Generalization [26.4468964378511]
複製可能なアルゴリズムは、そのランダム性が固定されたときに高い確率で同じ出力を与える。
データ解析にレプリカブルアルゴリズムを使用することで、公開結果の検証が容易になる。
我々は、複製性とアルゴリズム安定性の標準概念との新たな接続と分離を確立する。
論文 参考訳（メタデータ） (2023-03-22T21:35:50Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Probabilistically Robust Recourse: Navigating the Trade-offs between
Costs and Robustness in Algorithmic Recourse [34.39887495671287]
本稿では,達成された(反感)と所望のリコース無効率とのギャップを同時に最小化する目的関数を提案する。
我々は,任意のインスタンスに対応するリコース無効化率を特徴付けるために,新しい理論的結果を開発した。
複数の実世界のデータセットを用いた実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2022-03-13T21:39:24Z) - Instance-Dependent Confidence and Early Stopping for Reinforcement
Learning [99.57168572237421]
強化学習(RL)のための様々なアルゴリズムは、その収束率の劇的な変動を問題構造の関数として示している。
この研究は、観察されたパフォーマンスの違いについて、textitexを説明する保証を提供する。
次の自然なステップは、これらの理論的保証を実際に有用なガイドラインに変換することです。
論文 参考訳（メタデータ） (2022-01-21T04:25:35Z) - Test Score Algorithms for Budgeted Stochastic Utility Maximization [12.360522095604983]
既存のスコアリング機構、すなわちレプリケーションテストスコアを拡張して、異種アイテムのコストとアイテムの値を統合する。
我々のアルゴリズムと近似は、テストスコアが特定の期待値のノイズ見積もりであると仮定する。
我々は,我々のアルゴリズムが,同じ近似保証を維持しながら,商品が同じ方法で到着する状況に適応できることを示す。
論文 参考訳（メタデータ） (2020-12-30T15:28:41Z) - CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
強化学習における高信頼行動非依存のオフ政治評価について検討する。
様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
論文 参考訳（メタデータ） (2020-10-22T12:39:11Z) - Fair Policy Targeting [0.6091702876917281]
社会福祉プログラムにおける個人に対する介入を標的とする主な関心事の1つは差別である。
本稿では,公平かつ効率的な処理割り当てルールの設計に関する課題に対処する。
論文 参考訳（メタデータ） (2020-05-25T20:45:25Z) - Fair Correlation Clustering [92.15492066925977]
相関クラスタリングの近似アルゴリズムは,いくつかの重要なフェアネス制約の下で得られる。
相関クラスタリングに対する公平な解は、最先端の(不公平な)アルゴリズムと比較して、コストを抑えながら得られることを示す。
論文 参考訳（メタデータ） (2020-02-06T14:28:21Z)
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。