論文の概要: Collective Counterfactual Explanations via Optimal Transport

• arxiv url: http://arxiv.org/abs/2402.04579v1
• Date: Wed, 7 Feb 2024 04:39:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 16:37:44.974416
• Title: Collective Counterfactual Explanations via Optimal Transport
• Title（参考訳）: 最適輸送による集団的反事実説明
• Authors: Ahmad-Reza Ehyaei, Ali Shirali, Samira Samadi
• Abstract要約: 本稿では, 対実的説明を定式化するための集合的アプローチを提案する。 我々の問題は、輸送の最適な問題として自然に当てはまる。 本稿では,この手法が古典的対実的説明のデシデラタに対してどのように改善するかを説明する。
• 参考スコア（独自算出の注目度）: 3.97478982737167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfactual explanations provide individuals with cost-optimal actions that can alter their labels to desired classes. However, if substantial instances seek state modification, such individual-centric methods can lead to new competitions and unanticipated costs. Furthermore, these recommendations, disregarding the underlying data distribution, may suggest actions that users perceive as outliers. To address these issues, our work proposes a collective approach for formulating counterfactual explanations, with an emphasis on utilizing the current density of the individuals to inform the recommended actions. Our problem naturally casts as an optimal transport problem. Leveraging the extensive literature on optimal transport, we illustrate how this collective method improves upon the desiderata of classical counterfactual explanations. We support our proposal with numerical simulations, illustrating the effectiveness of the proposed approach and its relation to classic methods.
• Abstract（参考訳）: 反事実的説明は、個人が希望するクラスにラベルを変更できるコスト最適化アクションを提供する。 しかし、実質的な事例が状態修正を求める場合、そのような個人中心の手法は新たな競争と予期せぬコストにつながる可能性がある。 さらに、これらの推奨事項は、基礎となるデータ分布を無視して、ユーザが異常値として認識するアクションを推奨する可能性がある。 これらの問題に対処するため,本研究では,提案する行動に個人の現在の密度を活用することを重視し,反事実的説明を定式化する集団的アプローチを提案する。 我々の問題は自然に最適な輸送問題である。 最適な輸送に関する広範な文献を活用し,この集団的手法が古典的反事実的説明のデシデラタをどのように改善するかを述べる。 提案手法の有効性と古典的手法との関係を明らかにするため,数値シミュレーションによる提案を支持する。

関連論文リスト

• A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
  選好選好における選好バイアスの影響について検討した。 大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。 本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:56:56Z)
• Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
  従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。 本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。 本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
  論文  参考訳（メタデータ） (2024-04-30T15:20:41Z)
• Provable Benefits of Policy Learning from Human Preferences in Contextual Bandit Problems [82.92678837778358]
  嗜好に基づく手法は、InstructGPTのような経験的応用でかなりの成功を収めている。 フィードバックモデリングにおける人間のバイアスと不確実性がこれらのアプローチの理論的保証にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2023-07-24T17:50:24Z)
• Transformer-based Multi-task Learning for Disaster Tweet Categorisation [2.9112649816695204]
  ソーシャルメディアは、人々がタイムリーな方法で情報を流すことを可能にし、危機時に助けを求めるメッセージを投稿する動機となった。 これらのメッセージは、情報タイプに応じて分類される必要がある緊急対応者の状況認識に寄与する。 情報型を分類し,これらのメッセージの優先度を推定するトランスフォーマーベースのマルチタスク学習(MTL)手法を提案する。
  論文  参考訳（メタデータ） (2021-10-15T11:13:46Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)
• Unsupervised collaborative learning based on Optimal Transport theory [0.0]
  協調学習は近年,非常に大きな成果を上げている。 交換が必要な情報の種類、停止の基準、適切な協力者を選択する方法など、まだいくつかの問題に苦しんでいます。 本論文では, 最適輸送理論に触発された新たなアプローチにより, コラボレーションの質の向上と課題の解決を目指す。
  論文  参考訳（メタデータ） (2021-03-22T17:28:50Z)
• Learning the Truth From Only One Side of the Story [58.65439277460011]
  一般化線形モデルに焦点をあて、このサンプリングバイアスを調整しなければ、モデルは準最適に収束するか、あるいは最適解に収束しないかもしれないことを示す。 理論的保証を伴って適応的なアプローチを提案し、いくつかの既存手法を実証的に上回っていることを示す。
  論文  参考訳（メタデータ） (2020-06-08T18:20:28Z)
• Fairness-Aware Explainable Recommendation over Knowledge Graphs [73.81994676695346]
  ユーザのアクティビティのレベルに応じて異なるグループのユーザを分析し、異なるグループ間での推奨パフォーマンスにバイアスが存在することを確認する。 不活性なユーザは、不活性なユーザのためのトレーニングデータが不十分なため、不満足なレコメンデーションを受けやすい可能性がある。 本稿では、知識グラフに対する説明可能な推奨という文脈で、この問題を緩和するために再ランク付けすることで、公平性に制約されたアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-03T05:04:38Z)
• Toward Optimal Probabilistic Active Learning Using a Bayesian Approach [4.380488084997317]
  アクティブラーニングは、コストの高いラベリングリソースを効率よく効果的に割り当てることで、ラベリングコストを削減することを目的としている。 提案したモデルにおける既存の選択戦略を再構築することにより、どの側面が現在の最先端に包含されていないかを説明することができる。
  論文  参考訳（メタデータ） (2020-06-02T15:59:42Z)
• Robust Active Preference Elicitation [10.961537256186498]
  ペアワイズ比較クエリを適度に数えることで、意思決定者の好みを抽出する問題について検討する。 私たちは、不足するリソースを割り当てるためのポリシーを選択する場合など、高利害ドメインのアプリケーションによって動機付けられています。
  論文  参考訳（メタデータ） (2020-03-04T05:24:08Z)

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。