論文の概要: Fair and Accurate Regression: Strong Formulations and Algorithms

• arxiv url: http://arxiv.org/abs/2412.17116v1
• Date: Sun, 22 Dec 2024 18:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 16:01:55.742198
• Title: Fair and Accurate Regression: Strong Formulations and Algorithms
• Title（参考訳）: 公正かつ正確な回帰:強い定式化とアルゴリズム
• Authors: Anna Deza, Andrés Gómez, Alper Atamtürk,
• Abstract要約: 本稿では,メトリクスを組み込んだ回帰問題を解くための混合整数最適化手法を提案する。 公正回帰モデルのトレーニングのための正確な定式化を提案する。 最小二乗および対数回帰問題に対する数値実験は、競合統計性能を示す。
• 参考スコア（独自算出の注目度）: 5.93858665501805
• License:
• Abstract: This paper introduces mixed-integer optimization methods to solve regression problems that incorporate fairness metrics. We propose an exact formulation for training fair regression models. To tackle this computationally hard problem, we study the polynomially-solvable single-factor and single-observation subproblems as building blocks and derive their closed convex hull descriptions. Strong formulations obtained for the general fair regression problem in this manner are utilized to solve the problem with a branch-and-bound algorithm exactly or as a relaxation to produce fair and accurate models rapidly. Moreover, to handle large-scale instances, we develop a coordinate descent algorithm motivated by the convex-hull representation of the single-factor fair regression problem to improve a given solution efficiently. Numerical experiments conducted on fair least squares and fair logistic regression problems show competitive statistical performance with state-of-the-art methods while significantly reducing training times.
• Abstract（参考訳）: 本稿では,公平度指標を組み込んだ回帰問題の解法として混合整数最適化法を提案する。 公正回帰モデルのトレーニングのための正確な定式化を提案する。 この計算に難渋する問題に対処するため、多項式分解可能な単要素・単オブザーブなサブプロブレムをビルディングブロックとして検討し、その閉凸船体記述を導出する。 このような一般の公正回帰問題に対して得られる強い定式化は、分岐とバウンドのアルゴリズムで問題を正確に、あるいは緩和して高速に公正かつ正確なモデルを生成するために利用される。 さらに,大規模インスタンスを扱うために,単一要素のフェアレグレッション問題の凸-ハル表現を動機とした座標降下アルゴリズムを開発し,与えられた解を効率的に改善する。 公正な最小二乗法と公正なロジスティック回帰問題に対する数値実験は、最先端の手法と競合する統計性能を示しながら、トレーニング時間を著しく短縮する。

関連論文リスト

• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Distributed High-Dimensional Quantile Regression: Estimation Efficiency and Support Recovery [0.0]
  我々は高次元線形量子レグレッションのための分散推定とサポート回復に焦点をあてる。 元の量子レグレッションを最小二乗最適化に変換する。 効率的なアルゴリズムを開発し、高い計算と通信効率を享受する。
  論文  参考訳（メタデータ） (2024-05-13T08:32:22Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Mean Parity Fair Regression in RKHS [43.98593032593897]
  平均パリティ(MP)フェアネスという概念の下で,公平回帰問題を考察する。 再生カーネルヒルベルト空間(RKHS)を利用してこの問題に対処する。 効率よく実装でき、解釈可能なトレードオフを提供する、対応する回帰関数を導出する。
  論文  参考訳（メタデータ） (2023-02-21T02:44:50Z)
• Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
  最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。 提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
  論文  参考訳（メタデータ） (2022-11-16T15:07:00Z)
• Linear regression with partially mismatched data: local search with theoretical guarantees [9.398989897176953]
  本稿では,予測と応答のペアが部分的に一致しない線形回帰の重要な変種について検討する。 最適化定式化を用いて、基礎となる回帰係数とミスマッチに対応する置換を同時に学習する。 我々は,局所探索アルゴリズムが線形速度でほぼ最適解に収束することを証明した。
  論文  参考訳（メタデータ） (2021-06-03T23:32:12Z)
• Progressive Batching for Efficient Non-linear Least Squares [31.082253632197023]
  ガウス・ニュートンの基本的な改良のほとんどは、基礎となる問題構造の空間性を保証するか、あるいは活用して計算速度を上げることである。 我々の研究は、機械学習と統計の両方からアイデアを借用し、収束を保証するとともに、必要な計算量を大幅に削減する非線形最小二乗に対するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-21T13:00:04Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• A spectral algorithm for robust regression with subgaussian rates [0.0]
  本研究では, 試料の分布に強い仮定がない場合の線形回帰に対する2次時間に対する新しい線形アルゴリズムについて検討する。 目的は、データが有限モーメントしか持たなくても最適な準ガウス誤差を達成できる手順を設計することである。
  論文  参考訳（メタデータ） (2020-07-12T19:33:50Z)
• Approximation Schemes for ReLU Regression [80.33702497406632]
  我々はReLU回帰の根本的な問題を考察する。 目的は、未知の分布から引き出された2乗損失に対して、最も適したReLUを出力することである。
  論文  参考訳（メタデータ） (2020-05-26T16:26:17Z)
• MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment [77.38594866794429]
  非剛体形状マッチングのための凸混合整数プログラミングの定式化。 効率的な低次元離散モデルに基づく新しい形状変形モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-28T09:54:06Z)

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。