論文の概要: On the Correlation between Individual Fairness and Predictive Accuracy in Probabilistic Models

• arxiv url: http://arxiv.org/abs/2509.13165v1
• Date: Tue, 16 Sep 2025 15:17:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.145848
• Title: On the Correlation between Individual Fairness and Predictive Accuracy in Probabilistic Models
• Title（参考訳）: 確率モデルにおける個人的公正性と予測精度の相関について
• Authors: Alessandro Antonucci, Eric Rossetto, Ivan Duvnjak,
• Abstract要約: 個人的特徴の摂動に対する後部推論の頑健さを解析し, 生成確率的分類器の個性について検討した。 我々は、ロバスト性と予測精度の相関関係を仮説し、特に、よりロバスト性が高いインスタンスを正確に分類する傾向にある。
• 参考スコア（独自算出の注目度）: 42.25718513969163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate individual fairness in generative probabilistic classifiers by analysing the robustness of posterior inferences to perturbations in private features. Building on established results in robustness analysis, we hypothesise a correlation between robustness and predictive accuracy, specifically, instances exhibiting greater robustness are more likely to be classified accurately. We empirically assess this hypothesis using a benchmark of fourteen datasets with fairness concerns, employing Bayesian networks as the underlying generative models. To address the computational complexity associated with robustness analysis over multiple private features with Bayesian networks, we reformulate the problem as a most probable explanation task in an auxiliary Markov random field. Our experiments confirm the hypothesis about the correlation, suggesting novel directions to mitigate the traditional trade-off between fairness and accuracy.
• Abstract（参考訳）: 個人的特徴の摂動に対する後部推論の頑健さを解析し, 生成確率的分類器の個性について検討した。 ロバストネス解析の確立された結果に基づいて、ロバストネスと予測精度の相関関係を仮説する。 我々は、この仮説を、公平性の懸念のある14のデータセットのベンチマークを用いて実証的に評価し、基礎となる生成モデルとしてベイジアンネットワークを用いる。 ベイジアンネットワークによる複数のプライベートな特徴に対するロバストネス解析に伴う計算複雑性に対処するため,マルコフ確率場において,問題を最も予測可能な説明課題として再検討する。 本実験では, 相関関係の仮説を検証し, 正当性と精度の伝統的なトレードオフを緩和する新たな方向性を示唆した。

関連論文リスト

• Robust Probabilistic Model Checking with Continuous Reward Domains [1.7829696876801548]
  本稿では,離散時間マルコフ連鎖における連続と離散の報酬分布を扱う新しい手法を提案する。 本手法は,真の分布の統計的特性を保ちながら,理論的に有界な誤差で報酬分布を近似する。
  論文  参考訳（メタデータ） (2025-02-06T22:03:18Z)
• Probabilistic Precision and Recall Towards Reliable Evaluation of Generative Models [7.770029179741429]
  問題に対処する確率論的アプローチに基づいて,P-precision and P-recall (PP&PR)を提案する。 我々のPP&PRは、既存の指標よりも忠実度と多様性を比較するための信頼性の高い見積もりを提供することを示す。
  論文  参考訳（メタデータ） (2023-09-04T13:19:17Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)
• Improving Uncertainty Calibration via Prior Augmented Data [56.88185136509654]
  ニューラルネットワークは、普遍関数近似器として機能することで、複雑なデータ分布から学習することに成功した。 彼らはしばしば予測に自信過剰であり、不正確で誤った確率的予測に繋がる。 本稿では,モデルが不当に過信である特徴空間の領域を探索し,それらの予測のエントロピーをラベルの以前の分布に対して条件的に高める手法を提案する。
  論文  参考訳（メタデータ） (2021-02-22T07:02:37Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• Adversarial Robustness of Supervised Sparse Coding [34.94566482399662]
  表現を学習すると同時に、正確な一般化境界と堅牢性証明を与えるモデルを考える。 線形エンコーダと組み合わされたスパーシティプロモーティングエンコーダを組み合わせた仮説クラスに着目した。 エンドツーエンドの分類のための堅牢性証明を提供する。
  論文  参考訳（メタデータ） (2020-10-22T22:05:21Z)
• Estimation of Accurate and Calibrated Uncertainties in Deterministic models [0.8702432681310401]
  我々は,決定論的予測を確率論的予測に変換する手法を考案した。 そのためには,そのようなモデルの精度と信頼性(校正)を損なう必要がある。 隠れたノイズを正確に回収できる合成データと、大規模な実世界のデータセットの両方について、いくつかの例を示す。
  論文  参考訳（メタデータ） (2020-03-11T04:02:56Z)

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。