論文の概要: A Comprehensive Evaluation of the Sensitivity of Density-Ratio Estimation Based Fairness Measurement in Regression

• arxiv url: http://arxiv.org/abs/2508.14576v1
• Date: Wed, 20 Aug 2025 09:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.420763
• Title: A Comprehensive Evaluation of the Sensitivity of Density-Ratio Estimation Based Fairness Measurement in Regression
• Title（参考訳）: 回帰における密度比推定に基づく公正度測定の総合的評価
• Authors: Abdalwahab Almajed, Maryam Tabar, Peyman Najafirad,
• Abstract要約: 本稿では, 種々の密度比推定コアを用いた公正度測定法を開発した。 実験により, 密度比推定コアの選択は, 公正度測定法の結果に大きく影響することが示された。 これらの観測は、回帰における密度比推定に基づく公平度測定の大きな問題を示唆している。
• 参考スコア（独自算出の注目度）: 4.4701415309453285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The prevalence of algorithmic bias in Machine Learning (ML)-driven approaches has inspired growing research on measuring and mitigating bias in the ML domain. Accordingly, prior research studied how to measure fairness in regression which is a complex problem. In particular, recent research proposed to formulate it as a density-ratio estimation problem and relied on a Logistic Regression-driven probabilistic classifier-based approach to solve it. However, there are several other methods to estimate a density ratio, and to the best of our knowledge, prior work did not study the sensitivity of such fairness measurement methods to the choice of underlying density ratio estimation algorithm. To fill this gap, this paper develops a set of fairness measurement methods with various density-ratio estimation cores and thoroughly investigates how different cores would affect the achieved level of fairness. Our experimental results show that the choice of density-ratio estimation core could significantly affect the outcome of fairness measurement method, and even, generate inconsistent results with respect to the relative fairness of various algorithms. These observations suggest major issues with density-ratio estimation based fairness measurement in regression and a need for further research to enhance their reliability.
• Abstract（参考訳）: 機械学習(ML)駆動アプローチにおけるアルゴリズムバイアスの頻度は、MLドメインにおける測定と緩和のバイアスに関する研究の高まりにインスピレーションを与えている。 したがって、先行研究は、複雑な問題である回帰の公平性を測定する方法について研究した。 特に、最近の研究では密度比推定問題として定式化し、ロジスティック回帰駆動型確率的分類器に基づく解法に頼っている。 しかし, 密度比を推定する方法は他にもいくつかあり, 我々の知る限り, 基礎となる密度比推定アルゴリズムの選択に対する公平度測定手法の感度について検討しなかった。 このギャップを埋めるために, 種々の密度比推定コアを用いたフェアネス測定法を開発し, 異なるコアが達成されたフェアネスのレベルにどのように影響するかを徹底的に検討した。 実験結果から, 密度比推定コアの選択は, 正当性測定法の結果に大きく影響し, また, 各種アルゴリズムの相対的正当性に対して矛盾する結果が生じる可能性が示唆された。 これらの観測は、回帰における密度比推定に基づく公平度測定の大きな問題と、信頼性を高めるためのさらなる研究の必要性を示唆している。

関連論文リスト

• On the Consistency of Fairness Measurement Methods for Regression Tasks [4.4701415309453285]
  本稿では,様々な公正度測定手法の出力の整合性について検討する。 いくつかの公正度測定手法は様々な回帰タスクに対して強い整合性を示すが、特定の回帰タスクでは比較的不整合性を示す。
  論文  参考訳（メタデータ） (2024-06-19T16:35:23Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Overcoming Saturation in Density Ratio Estimation by Iterated Regularization [11.244546184962996]
  密度比推定のためのカーネル手法のクラスが誤差飽和に悩まされていることを示す。 高速な誤差率を達成するために, 密度比推定における繰り返し正規化を導入する。
  論文  参考訳（メタデータ） (2024-02-21T16:02:14Z)
• Sobolev Space Regularised Pre Density Models [51.558848491038916]
  本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。 この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
  論文  参考訳（メタデータ） (2023-07-25T18:47:53Z)
• LEAN-DMKDE: Quantum Latent Density Estimation for Anomaly Detection [0.0]
  この方法は、データの低次元表現を学習するためのオートエンコーダと密度推定モデルを組み合わせる。 本手法は, 推定密度に基づいて, 新しい試料の正規度を推定する。 実験結果から,本手法が他の最先端手法と同等あるいは同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-11-15T21:51:42Z)
• MCD: Marginal Contrastive Discrimination for conditional density estimation [0.0]
  Marginal Contrastive Discrimination (MCD) は条件密度関数を目的変数の限界密度関数と密度関数の比の2つの因子に再構成する。 提案手法は,ほとんどの密度モデルや回帰データセットにおいて,既存の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-06-03T14:22:29Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)

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。