論文の概要: Insufficiently Justified Disparate Impact: A New Criterion for Subgroup Fairness

• arxiv url: http://arxiv.org/abs/2306.11181v1
• Date: Mon, 19 Jun 2023 22:10:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 16:09:41.121573
• Title: Insufficiently Justified Disparate Impact: A New Criterion for Subgroup Fairness
• Title（参考訳）: 不十分に正当化された異質な影響:サブグループフェアネスの新しい基準
• Authors: Neil Menghani, Edward McFowland III, Daniel B. Neill
• Abstract要約: IJDI(Insufficiently Justified Disparate Impact)という新たな基準を策定する。 我々の新しいユーティリティベースのIJDI基準は、偽陽性と偽陰誤り率の不均衡を評価する。 交差するサブ集団を効率的に同定できる新しいIJDI-Scanアプローチについて述べる。
• 参考スコア（独自算出の注目度）: 1.9346186297861747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we develop a new criterion, "insufficiently justified disparate impact" (IJDI), for assessing whether recommendations (binarized predictions) made by an algorithmic decision support tool are fair. Our novel, utility-based IJDI criterion evaluates false positive and false negative error rate imbalances, identifying statistically significant disparities between groups which are present even when adjusting for group-level differences in base rates. We describe a novel IJDI-Scan approach which can efficiently identify the intersectional subpopulations, defined across multiple observed attributes of the data, with the most significant IJDI. To evaluate IJDI-Scan's performance, we conduct experiments on both simulated and real-world data, including recidivism risk assessment and credit scoring. Further, we implement and evaluate approaches to mitigating IJDI for the detected subpopulations in these domains.
• Abstract（参考訳）: 本稿では,アルゴリズム決定支援ツールによる推薦(二項化予測)が公正であるか否かを評価するため,新たな基準である「不適切に正当化された異種影響」(IJDI)を開発する。 実用性に基づく新しいIJDI基準は偽陽性と偽陰性エラー率の不均衡を評価し, グループレベルでの基数差の調整においても, 統計的に有意差が認められた。 IJDI-Scanアプローチは,データの複数の属性にまたがって定義された交差するサブ集団を,最も重要なIJDIを用いて効率的に同定することができる。 ijdi-scanの性能を評価するために,レシディズムリスクアセスメントとクレジットスコアリングを含むシミュレーションデータと実世界データの両方について実験を行った。 さらに,検出されたサブ集団に対するIJDIの緩和手法の実装と評価を行った。

関連論文リスト

• From Variability to Stability: Advancing RecSys Benchmarking Practices [3.3331198926331784]
  本稿では,RecSysアルゴリズムの公平かつ堅牢な比較を容易にするため,新しいベンチマーク手法を提案する。 本研究で導入された2つを含む30ドルのオープンデータセットの多種多様なセットを利用することで、データセット特性がアルゴリズム性能に与える影響を批判的に検証する。
  論文  参考訳（メタデータ） (2024-02-15T07:35:52Z)
• A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
  分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。 非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-26T14:21:45Z)
• GroupMixNorm Layer for Learning Fair Models [4.324785083027206]
  本研究では,ディープラーニングモデルからバイアスを緩和するための,内部処理に基づく新しいGroupMixNorm層を提案する。 提案手法は,全体の精度に最小限の影響を伴って,いくつかの公正度測定値を改善する。
  論文  参考訳（メタデータ） (2023-12-19T09:04:26Z)
• Detecting Concept Drift for the reliability prediction of Software Defects using Instance Interpretation [4.039245878626346]
  コンセプトドリフト(CD)は、ソフトウェア開発プロセスの変化、ソフトウェアの複雑さ、ユーザーの振る舞いの変化によって起こりうる。 本研究の目的は,CD点検出を用いた信頼度の高いJIT-SDPモデルの構築である。
  論文  参考訳（メタデータ） (2023-05-06T07:50:12Z)
• 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)
• Systematic Evaluation of Predictive Fairness [60.0947291284978]
  バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。 複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。 データ条件が相対モデルの性能に強い影響を与えることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T05:40:13Z)
• Performance Evaluation of Adversarial Attacks: Discrepancies and Solutions [51.8695223602729]
  機械学習モデルの堅牢性に挑戦するために、敵対攻撃方法が開発されました。 本稿では,Piece-wise Sampling Curving(PSC)ツールキットを提案する。 psc toolkitは計算コストと評価効率のバランスをとるオプションを提供する。
  論文  参考訳（メタデータ） (2021-04-22T14:36:51Z)
• Multi-class Classification Based Anomaly Detection of Insider Activities [18.739091829480234]
  生成モデルと教師付き学習を組み合わせて,深層学習を用いたマルチクラス分類を行う手法を提案する。 generative adversarial network (gan) ベースのインサイダー検出モデルでは、条件付きジェネレーショナルadversarial network (cgan) を導入し、マイノリティクラスサンプルを豊かにする。 ベンチマークデータセットで実施した総合的な実験は、GAN派生合成データの導入の有効性を示す。
  論文  参考訳（メタデータ） (2021-02-15T00:08:39Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• Uncertainty-aware Score Distribution Learning for Action Quality Assessment [91.05846506274881]
  行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。 具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。 微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
  論文  参考訳（メタデータ） (2020-06-13T15:41:29Z)

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。