論文の概要: Automatically Reconciling the Trade-off between Prediction Accuracy and
Earliness in Prescriptive Business Process Monitoring
- arxiv url: http://arxiv.org/abs/2307.05939v1
- Date: Wed, 12 Jul 2023 06:07:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-13 14:10:59.685573
- Title: Automatically Reconciling the Trade-off between Prediction Accuracy and
Earliness in Prescriptive Business Process Monitoring
- Title（参考訳）: 業務プロセス監視における予測精度と公平性のトレードオフの自動調整
- Authors: Andreas Metzger, Tristan Kley, Aristide Rothweiler, Klaus Pohl
- Abstract要約: 本稿では,予測精度と予測聴力のトレードオフを自動的に整合する問題に着目する。
予測精度と補聴器とのトレードオフを和らげるために、文献で異なるアプローチが提示された。
予測精度と補聴器のトレードオフを整合する主要な代替手法の比較評価を行う。
- 参考スコア（独自算出の注目度）: 0.802904964931021
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Prescriptive business process monitoring provides decision support to process
managers on when and how to adapt an ongoing business process to prevent or
mitigate an undesired process outcome. We focus on the problem of automatically
reconciling the trade-off between prediction accuracy and prediction earliness
in determining when to adapt. Adaptations should happen sufficiently early to
provide enough lead time for the adaptation to become effective. However,
earlier predictions are typically less accurate than later predictions. This
means that acting on less accurate predictions may lead to unnecessary
adaptations or missed adaptations.
Different approaches were presented in the literature to reconcile the
trade-off between prediction accuracy and earliness. So far, these approaches
were compared with different baselines, and evaluated using different data sets
or even confidential data sets. This limits the comparability and replicability
of the approaches and makes it difficult to choose a concrete approach in
practice.
We perform a comparative evaluation of the main alternative approaches for
reconciling the trade-off between prediction accuracy and earliness. Using four
public real-world event log data sets and two types of prediction models, we
assess and compare the cost savings of these approaches. The experimental
results indicate which criteria affect the effectiveness of an approach and
help us state initial recommendations for the selection of a concrete approach
in practice.
- Abstract（参考訳）: 規範的ビジネスプロセス監視(prescriptive business process monitoring)は、プロセスマネージャに対して、進行中のビジネスプロセスをいつどのように適応させ、望ましくないプロセス結果の防止や緩和を行うかに関する意思決定サポートを提供する。
我々は,適応のタイミングを決定する際に,予測精度と予測誤差との間のトレードオフを自動的に解決する問題に焦点をあてる。
適応は十分に早く行われ、適応が効果的になるのに十分なリードタイムを提供するべきです。
しかし、初期の予測は通常、後の予測よりも正確ではない。
これは、精度の低い予測に作用することで、不要な適応や不必要な適応につながる可能性があることを意味する。
予測精度と補聴器とのトレードオフを和らげるために、文献で異なるアプローチが提示された。
これまでのところ、これらのアプローチは異なるベースラインと比較され、異なるデータセットや機密データセットを使って評価された。
これにより、アプローチの互換性と再現性が制限され、実際に具体的なアプローチを選択することが困難になる。
本研究は,予測精度と親しみやすさのトレードオフを解消するための主な代替手法の比較評価を行う。
4つの実世界のイベントログデータセットと2種類の予測モデルを用いて、これらのアプローチのコスト削減を評価し比較する。
実験結果は,どの基準がアプローチの有効性に影響を与えるかを示し,具体的なアプローチを選択するための初期勧告を提示するのに役立つ。
関連論文リスト
- Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。
本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
論文 参考訳（メタデータ） (2024-10-03T15:56:03Z) - Inference-Time Selective Debiasing [27.578390085427156]
モデル全体の品質向上を目的とした,推論時の安全性メカニズムである選択的デバイアス(elective debiasing)を提案する。
潜在的なバイアスのあるモデル予測を特定し、それらを捨てる代わりに、後処理のデバイアス手法であるLEACEを使ってそれらをデバイアスします。
テキスト分類データセットを用いた実験では、選択的デバイアスは、後処理方法とトレーニングと前処理のデバイアス技術の間のパフォーマンスギャップを埋めるのに役立つことが示されている。
論文 参考訳（メタデータ） (2024-07-27T21:56:23Z) - Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation
of Prediction Rationale [53.152460508207184]
Source-Free Unsupervised Domain Adaptation (SFUDA)は、モデルがターゲットのドメインラベルやソースドメインデータにアクセスせずに新しいドメインに適応する必要がある、という課題である。
本稿では,各サンプルについて複数の予測仮説を考察し,各仮説の背景にある理論的根拠について考察する。
最適性能を達成するために,モデル事前適応,仮説統合,半教師付き学習という3段階の適応プロセスを提案する。
論文 参考訳（メタデータ） (2024-02-02T05:53:22Z) - Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳（メタデータ） (2023-08-03T12:43:21Z) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳（メタデータ） (2023-02-23T18:57:14Z) - Calibrated Selective Classification [34.08454890436067]
そこで我々は,「不確か」な不確実性のある例を拒否する手法を提案する。
本稿では,選択的校正モデル学習のためのフレームワークを提案する。そこでは,任意のベースモデルの選択的校正誤差を改善するために,個別のセレクタネットワークを訓練する。
われわれは,複数画像分類と肺癌リスク評価におけるアプローチの実証的効果を実証した。
論文 参考訳（メタデータ） (2022-08-25T13:31:09Z) - How to Evaluate Uncertainty Estimates in Machine Learning for
Regression? [1.4610038284393165]
両手法とも,不確実性評価の品質評価には深刻な欠陥があることが示唆された。
第一に、どちらのアプローチも、予測の不確実性を共同で生み出す別個のコンポーネントを解き放つことはできない。
第3に、予測間隔を直接テストする現在のアプローチには、さらなる欠陥がある。
論文 参考訳（メタデータ） (2021-06-07T07:47:46Z) - Private Prediction Sets [72.75711776601973]
機械学習システムは、個人のプライバシーの確実な定量化と保護を必要とする。
これら2つのデシラタを共同で扱う枠組みを提案する。
本手法を大規模コンピュータビジョンデータセット上で評価する。
論文 参考訳（メタデータ） (2021-02-11T18:59:11Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z)
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。