論文の概要: Governance by Evidence: Regulated Predictors in Decision-Tree Models

• arxiv url: http://arxiv.org/abs/2512.15955v1
• Date: Wed, 17 Dec 2025 20:39:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.817847
• Title: Governance by Evidence: Regulated Predictors in Decision-Tree Models
• Title（参考訳）: エビデンスによるガバナンス: 決定-軌道モデルにおける規制予測子
• Authors: Alexios Veskoukis, Dimitris Kalles,
• Abstract要約: 我々は、法的に規制されたデータの現実的な利用の代案として、公開決定ツリー論文を使用している。 我々は、決定木研究のコーパスをコンパイルし、各予測器を規制データカテゴリに割り当てる。 多くの報告された予測者は規制されたカテゴリーに分類されており、医療における最大のシェアと業界間での明確な違いがある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision-tree methods are widely used on structured tabular data and are valued for interpretability across many sectors. However, published studies often list the predictors they use (for example age, diagnosis codes, location). Privacy laws increasingly regulate such data types. We use published decision-tree papers as a proxy for real-world use of legally governed data. We compile a corpus of decision-tree studies and assign each reported predictor to a regulated data category (for example health data, biometric identifiers, children's data, financial attributes, location traces, and government IDs). We then link each category to specific excerpts in European Union and United States privacy laws. We find that many reported predictors fall into regulated categories, with the largest shares in healthcare and clear differences across industries. We analyze prevalence, industry composition, and temporal patterns, and summarize regulation-aligned timing using each framework's reference year. Our evidence supports privacy-preserving methods and governance checks, and can inform ML practice beyond decision trees.
• Abstract（参考訳）: 決定木法は構造化された表データに広く使われ、多くの分野にわたって解釈可能である。 しかし、公表された研究は、しばしば彼らが使用する予測因子(年齢、診断符号、位置など)をリストアップする。 プライバシー法は、このようなデータタイプをますます規制している。 我々は、法的に規制されたデータの現実的な利用の代案として、公開決定ツリー論文を使用している。 我々は意思決定木研究のコーパスをコンパイルし、報告された各予測器を規制されたデータカテゴリ(健康データ、生体認証識別子、子供のデータ、財務属性、位置情報、政府IDなど)に割り当てる。 次に、各カテゴリを欧州連合と米国のプライバシー法における特定の抜粋にリンクします。 多くの報告された予測者は規制されたカテゴリーに分類されており、医療における最大のシェアと業界間での明確な違いがある。 我々は、各フレームワークの基準年を用いて、頻度、産業構成、時間パターンを分析し、規制に整合したタイミングを要約する。 当社のエビデンスでは、プライバシ保護手法とガバナンスチェックをサポートし、決定木を越えたMLプラクティスを通知することが可能です。

関連論文リスト

• The Impact of Differential Feature Under-reporting on Algorithmic Fairness [86.275300739926]
  解析的に抽出可能な差分特徴のアンダーレポーティングモデルを提案する。 そして、この種のデータバイアスがアルゴリズムの公正性に与える影響を特徴づける。 我々の結果は、実世界のデータ設定では、アンダーレポートが典型的に格差を増大させることを示している。
  論文  参考訳（メタデータ） (2024-01-16T19:16:22Z)
• SoK: Privacy-Preserving Data Synthesis [72.92263073534899]
  本稿では,プライバシ保護データ合成(PPDS)に注目し,その分野の総合的な概要,分析,議論を行う。 PPDSでは,統計的手法と深層学習(DL)に基づく手法の2つの顕著な研究を統一するマスターレシピを作成した。
  論文  参考訳（メタデータ） (2023-07-05T08:29:31Z)
• Practices and challenges in clinical data sharing [0.0]
  本稿では,研究目的のための臨床データ共有フレームワークの構築における現在の方向性,課題,ベストプラクティスを明らかにする。 その目的は、効果的で安全で透明な研究アクセスフレームワークを実装するためのベストプラクティスを考案することである。
  論文  参考訳（メタデータ） (2023-03-17T19:40:33Z)
• Privacy-Preserving Tree-Based Inference with TFHE [0.0]
  我々は、暗号化データ上で任意の計算を実行できる強力なツールであるFHE(Fully Homomorphic Encryption)に焦点を当てる。 本稿では、FHEをツリーベースモデルに適用し、暗号化されたデータに対して最先端のソリューションを得る方法について述べる。
  論文  参考訳（メタデータ） (2023-02-13T10:33:21Z)
• Creation and Analysis of an International Corpus of Privacy Laws [7.45571096955396]
  政府のプライバシー命令コーパス(GPI Corpus, GPI Corpus, GPI Corpus, GPI Corpus)は、プライバシーに関する1043の法律、規制、ガイドラインで、182の管轄区域をカバーしている。 GPIの作成時期の経時的分布について検討し,過去50年間のプライバシー規制の劇的な増加を示す。 我々の調査は、ほとんどのプライバシー法が、それぞれ比較的少数の個人データタイプに対処していることを示しており、包括的なプライバシー法は依然として稀であることを示している。
  論文  参考訳（メタデータ） (2022-06-28T17:36:12Z)
• Post-processing of Differentially Private Data: A Fairness Perspective [53.29035917495491]
  本稿では,ポストプロセッシングが個人やグループに異なる影響を与えることを示す。 差分的にプライベートなデータセットのリリースと、ダウンストリームの決定にそのようなプライベートなデータセットを使用するという、2つの重要な設定を分析している。 それは、異なる公正度尺度の下で(ほぼ)最適である新しい後処理機構を提案する。
  論文  参考訳（メタデータ） (2022-01-24T02:45:03Z)
• Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
  アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。 プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。 本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
  論文  参考訳（メタデータ） (2021-05-16T21:04:19Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)

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。