論文の概要: Matchings, Predictions and Counterfactual Harm in Refugee Resettlement Processes

• arxiv url: http://arxiv.org/abs/2407.13052v1
• Date: Fri, 24 May 2024 19:51:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 08:18:00.837691
• Title: Matchings, Predictions and Counterfactual Harm in Refugee Resettlement Processes
• Title（参考訳）: 再生プロセスにおけるマッチング, 予測, および非現実的ハーム
• Authors: Seungeon Lee, Nina Corvelo Benz, Suhas Thejaswi, Manuel Gomez-Rodriguez,
• Abstract要約: データ駆動型アルゴリズムマッチングは、難民と雇用率をユーティリティーの尺度として利用する場所をマッチングする。 我々は,難民プールにおけるデフォルトポリシーによる配置決定を前提として,逆マッチング問題を解決するポストプロセッシングアルゴリズムを開発した。 これらの修正された予測の下では、プール上の予測ユーティリティを最大化する最適なマッチングポリシーは有害ではないことが保証される。
• 参考スコア（独自算出の注目度）: 15.140146403589952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Resettlement agencies have started to adopt data-driven algorithmic matching to match refugees to locations using employment rate as a measure of utility. Given a pool of refugees, data-driven algorithmic matching utilizes a classifier to predict the probability that each refugee would find employment at any given location. Then, it uses the predicted probabilities to estimate the expected utility of all possible placement decisions. Finally, it finds the placement decisions that maximize the predicted utility by solving a maximum weight bipartite matching problem. In this work, we argue that, using existing solutions, there may be pools of refugees for which data-driven algorithmic matching is (counterfactually) harmful -- it would have achieved lower utility than a given default policy used in the past, had it been used. Then, we develop a post-processing algorithm that, given placement decisions made by a default policy on a pool of refugees and their employment outcomes, solves an inverse~matching problem to minimally modify the predictions made by a given classifier. Under these modified predictions, the optimal matching policy that maximizes predicted utility on the pool is guaranteed to be not harmful. Further, we introduce a Transformer model that, given placement decisions made by a default policy on multiple pools of refugees and their employment outcomes, learns to modify the predictions made by a classifier so that the optimal matching policy that maximizes predicted utility under the modified predictions on an unseen pool of refugees is less likely to be harmful than under the original predictions. Experiments on simulated resettlement processes using synthetic refugee data created from a variety of publicly available data suggest that our methodology may be effective in making algorithmic placement decisions that are less likely to be harmful than existing solutions.
• Abstract（参考訳）: 再定住機関は、データ駆動のアルゴリズムマッチングを採用して、難民と雇用率を有効利用の指標とする場所をマッチングしている。 難民のプールが与えられた場合、データ駆動のアルゴリズムマッチングは、それぞれの難民が特定の場所で雇用される確率を予測するために分類器を利用する。 そして、予測確率を用いて、可能なすべての配置決定の期待効用を推定する。 最後に、最大重み二分項マッチング問題を解くことにより、予測効用を最大化する配置決定を求める。 この研究では、既存のソリューションを使用することで、データ駆動型アルゴリズムマッチングが(事実上)有害な難民のプールが存在する可能性がある、と論じます。 そこで我々は,難民のプールにおけるデフォルトの政策による配置決定と,その雇用成果を考慮に入れた後処理アルゴリズムを開発し,その逆マッチング問題を解くことにより,与えられた分類者による予測を最小限に修正する。 これらの修正された予測の下では、プール上の予測ユーティリティを最大化する最適なマッチングポリシーは有害ではないことが保証される。 さらに,複数の難民プールにおけるデフォルト方針による配置決定と,その雇用成果を考慮に入れたトランスフォーマーモデルを導入し,未確認の難民プールにおける予測有効性を最大化する最適マッチングポリシーが,当初の予測よりも有害である可能性が低いように分類者による予測を変更することを学習する。 各種公開データから生成した人工避難所データを用いて, シミュレーションした再定住プロセスの実験から, 提案手法は, 既存のソリューションよりも有害である可能性が低いアルゴリズム配置決定に有効である可能性が示唆された。

関連論文リスト

• Clipped SGD Algorithms for Privacy Preserving Performative Prediction: Bias Amplification and Remedies [28.699424769503764]
  クラッピング勾配降下(SGD)アルゴリズムは、プライバシー保護最適化の最も一般的なアルゴリズムの一つである。 本稿では,これらのアルゴリズムの収束特性を実演予測設定で検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:17:05Z)
• Partial-Label Learning with a Reject Option [3.1201323892302444]
  本稿では,不確実な予測を拒否できるリジェクションオプションを持つ新しい部分ラベル学習アルゴリズムを提案する。 提案手法は, 競合相手と比較して, 非還元予測の数と精度の最良のトレードオフを提供する。
  論文  参考訳（メタデータ） (2024-02-01T13:41:44Z)
• Experiment Planning with Function Approximation [49.50254688629728]
  本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。 本稿では,関数近似に適合する2つの実験計画戦略を提案する。 そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T14:40:23Z)
• Policy learning "without" overlap: Pessimism and generalized empirical Bernstein's inequality [94.89246810243053]
  本論文は,事前収集した観測値を利用して最適な個別化決定規則を学習するオフライン政策学習について検討する。 既存の政策学習法は、一様重なりの仮定、すなわち、全ての個々の特性に対する全ての作用を探索する正当性は、境界を低くしなければならない。 我々は,点推定の代わりに低信頼度境界(LCB)を最適化する新しいアルゴリズムであるPPLを提案する。
  論文  参考訳（メタデータ） (2022-12-19T22:43:08Z)
• Robust Design and Evaluation of Predictive Algorithms under Unobserved Confounding [2.8498944632323755]
  選択的に観測されたデータにおける予測アルゴリズムの頑健な設計と評価のための統一的なフレームワークを提案する。 我々は、選択されていないユニットと選択されたユニットの間で、平均して結果がどの程度異なるかという一般的な仮定を課す。 我々は,大規模な予測性能推定値のクラスにおける境界値に対するバイアス付き機械学習推定器を開発する。
  論文  参考訳（メタデータ） (2022-12-19T20:41:44Z)
• Off-Policy Evaluation with Policy-Dependent Optimization Response [90.28758112893054]
  我々は,テキスト政治に依存した線形最適化応答を用いた非政治評価のための新しいフレームワークを開発した。 摂動法による政策依存推定のための非バイアス推定器を構築する。 因果介入を最適化するための一般的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2022-02-25T20:25:37Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• On the Optimality of Batch Policy Optimization Algorithms [106.89498352537682]
  バッチポリシー最適化は、環境と対話する前に既存のデータをポリシー構築に活用することを検討する。 信頼調整インデックスアルゴリズムは楽観的,悲観的,中立的いずれであってもミニマックス最適であることを示す。 最適値予測の本来の難易度を考慮した新しい重み付き最小値基準を提案する。
  論文  参考訳（メタデータ） (2021-04-06T05:23:20Z)
• Outcome-Driven Dynamic Refugee Assignment with Allocation Balancing [0.0]
  本研究では,難民や亡命希望者とホスト国内の地理的地域をマッチングする2つの動的割当てアルゴリズムを提案する。 1つ目は、最小記録のオンライン割当てアルゴリズムにより、難民の平均雇用水準(または、関心の測定結果)を最大化することである。 第2のアルゴリズムは、難民の成果を改善するという目標と、時間とともに均等に割り当てたいという願望のバランスをとる。
  論文  参考訳（メタデータ） (2020-07-02T21:28:15Z)
• Causality and Robust Optimization [2.690502103971798]
  機械学習の予測を適用する場合、共起バイアスが問題となる。 本稿では,既存の特徴選択アルゴリズムを共起バイアスの観点から緩和するメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-28T10:02:59Z)

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。