論文の概要: Multi-Target Multiplicity: Flexibility and Fairness in Target
Specification under Resource Constraints
- arxiv url: http://arxiv.org/abs/2306.13738v1
- Date: Fri, 23 Jun 2023 18:57:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 19:27:08.166797
- Title: Multi-Target Multiplicity: Flexibility and Fairness in Target
Specification under Resource Constraints
- Title（参考訳）: マルチターゲット多重性:資源制約下におけるターゲット仕様の柔軟性と公平性
- Authors: Jamelle Watson-Daniels, Solon Barocas, Jake M. Hofman, Alexandra
Chouldechova
- Abstract要約: 対象の選択が個人の結果にどのように影響するかを評価するための概念的および計算的枠組みを導入する。
目的変数選択から生じる多重度は, 1つのターゲットのほぼ最適モデルから生じるものよりも大きいことが示される。
- 参考スコア（独自算出の注目度）: 76.84999501420938
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prediction models have been widely adopted as the basis for decision-making
in domains as diverse as employment, education, lending, and health. Yet, few
real world problems readily present themselves as precisely formulated
prediction tasks. In particular, there are often many reasonable target
variable options. Prior work has argued that this is an important and sometimes
underappreciated choice, and has also shown that target choice can have a
significant impact on the fairness of the resulting model. However, the
existing literature does not offer a formal framework for characterizing the
extent to which target choice matters in a particular task. Our work fills this
gap by drawing connections between the problem of target choice and recent work
on predictive multiplicity. Specifically, we introduce a conceptual and
computational framework for assessing how the choice of target affects
individuals' outcomes and selection rate disparities across groups. We call
this multi-target multiplicity. Along the way, we refine the study of
single-target multiplicity by introducing notions of multiplicity that respect
resource constraints -- a feature of many real-world tasks that is not captured
by existing notions of predictive multiplicity. We apply our methods on a
healthcare dataset, and show that the level of multiplicity that stems from
target variable choice can be greater than that stemming from nearly-optimal
models of a single target.
- Abstract（参考訳）: 予測モデルは雇用、教育、融資、健康など様々な分野における意思決定の基礎として広く採用されている。
しかし、現実の問題は、正確に定式化された予測タスクとして容易に現れている。
特に、しばしば合理的なターゲット変数オプションが存在する。
先行研究は、これは重要で、時には過小評価される選択であり、ターゲットの選択が結果のモデルの公正性に重大な影響を与えることも示している。
しかし、既存の文献では、特定のタスクにおいて、どのターゲット選択が重要かを特徴付けるための形式的な枠組みを提供していない。
私たちの研究はこのギャップを埋め、ターゲット選択の問題と予測多重性に関する最近の研究との関係を描きます。
具体的には,対象の選択が個人の成果やグループ間の選択率の相違にどのように影響するかを評価するための概念的および計算的枠組みを提案する。
これをマルチターゲット乗法と呼ぶ。
その過程で, 資源制約を尊重する多重性の概念を導入することにより, 単一目標多重性の研究を洗練する。
この手法を医療データセットに適用し,目標変数選択から生じる多重度レベルが,1つの目標のほぼ最適モデルから生じるものよりも大きいことを示す。
関連論文リスト
- Diversified Batch Selection for Training Acceleration [68.67164304377732]
オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。
バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。
DivBS(Diversified Batch Selection)を提案する。
論文 参考訳（メタデータ） (2024-06-07T12:12:20Z) - Bridging Domains with Approximately Shared Features [26.096779584142986]
マルチソースドメイン適応は、未知のドメインに機械学習モデルを適用する際のパフォーマンス劣化を低減することを目的としている。
ソースドメインから不変の機能を学ぶことを支持する者もいれば、より多様な機能を好む者もいる。
本稿では,それらの相関関係のばらつきに基づいて特徴の効用を識別し,ドメイン間で$y$のラベルを付ける統計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-11T04:25:41Z) - Many-Objective Multi-Solution Transport [36.07360460509921]
many-objective multi-solution Transport (MosT) は、Paretoの多くの目的に対して複数の多様なソリューションを見つけるためのフレームワークである。
MosTはこの問題を各解に対する重み付けされた目的の2段階の最適化として定式化し、そこでは重み付けは目的と解の間の最適な輸送によって定義される。
論文 参考訳（メタデータ） (2024-03-06T23:03:12Z) - Controllable Preference Optimization: Toward Controllable Multi-Objective Alignment [103.12563033438715]
人工知能におけるアライメントは、モデル応答と人間の好みと値の一貫性を追求する。
既存のアライメント技術は、主に一方向であり、様々な目的に対して、最適以下のトレードオフと柔軟性の低下につながる。
制御可能な選好最適化(CPO)を導入し、異なる目的に対する選好スコアを明確に指定する。
論文 参考訳（メタデータ） (2024-02-29T12:12:30Z) - Revisiting the Domain Shift and Sample Uncertainty in Multi-source
Active Domain Transfer [69.82229895838577]
Active Domain Adaptation (ADA)は、アノテートするターゲットデータの限られた数を選択することで、新しいターゲットドメインにおけるモデル適応を最大限に向上することを目的としている。
この設定は、複数のソースからトレーニングデータを収集するより実践的なシナリオを無視します。
これは、ADAを単一のソースドメインから複数のソースドメインに拡張する、新しい、挑戦的な知識転送の設定を目標にしています。
論文 参考訳（メタデータ） (2023-11-21T13:12:21Z) - In Search of Insights, Not Magic Bullets: Towards Demystification of the
Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。
選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文 参考訳（メタデータ） (2023-02-06T16:55:37Z) - Generative multitask learning mitigates target-causing confounding [61.21582323566118]
マルチタスク学習のための因果表現学習のためのシンプルでスケーラブルなアプローチを提案する。
改善は、目標を狙うが入力はしない、観測されていない共同ファウンダーを緩和することによる。
人の属性とタスクノミーのデータセットに対する我々の結果は、事前の確率シフトに対するロバストネスの概念的改善を反映している。
論文 参考訳（メタデータ） (2022-02-08T20:42:14Z) - Learning from demonstration using products of experts: applications to
manipulation and task prioritization [12.378784643460474]
異なるタスク空間におけるモデルの融合は、専門家(PoE)の積として表現できることを示す。
複数の実験を行い、PoEフレームワークで異なるモデルを共同で学習することで、モデルの品質が大幅に向上することを示した。
論文 参考訳（メタデータ） (2020-10-07T16:24:41Z) - A Distributional View on Multi-Objective Policy Optimization [24.690800846837273]
大規模不変な方法で目的の好みを設定することができる多目的強化学習アルゴリズムを提案する。
フレームワーク内で異なる好みを設定することで、非支配的なソリューションの空間を追跡できることを示す。
論文 参考訳（メタデータ） (2020-05-15T13:02:17Z)
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。