論文の概要: Empirically Understanding the Value of Prediction in Allocation

• arxiv url: http://arxiv.org/abs/2602.08786v1
• Date: Mon, 09 Feb 2026 15:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.323397
• Title: Empirically Understanding the Value of Prediction in Allocation
• Title（参考訳）: アロケーションにおける予測の価値を実証的に理解する
• Authors: Unai Fischer-Abaigar, Emily Aiken, Christoph Kern, Juan Carlos Perdomo,
• Abstract要約: 我々は,計画立案者がアロケーション問題に対する原則的回答を形成するのを支援するための経験的ツールキットを開発した。 我々は、他の政策レバーに対する予測に対する投資のボトムラインの福祉効果を定量化する。 我々は,エチオピアにおけるドイツの雇用サービスと貧困ターゲティングに関する実世界のケーススタディに,我々の枠組みを適用した。
• 参考スコア（独自算出の注目度）: 4.497156694443617
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Institutions increasingly use prediction to allocate scarce resources. From a design perspective, better predictions compete with other investments, such as expanding capacity or improving treatment quality. Here, the big question is not how to solve a specific allocation problem, but rather which problem to solve. In this work, we develop an empirical toolkit to help planners form principled answers to this question and quantify the bottom-line welfare impact of investments in prediction versus other policy levers such as expanding capacity and improving treatment quality. Applying our framework in two real-world case studies on German employment services and poverty targeting in Ethiopia, we illustrate how decision-makers can reliably derive context-specific conclusions about the relative value of prediction in their allocation problem. We make our software toolkit, rvp, and parts of our data available in order to enable future empirical work in this area.
• Abstract（参考訳）: 施設は、不足する資源を割り当てるために予測をますます利用している。 設計の観点からは、キャパシティの拡大や治療品質の向上など、より良い予測が他の投資と競合する。 ここでの大きな問題は、特定の割り当て問題を解決する方法ではなく、解決すべき問題の解決方法だ。 本研究は,計画立案者がこの問題に対する原則的回答を形成するのを助けるための実証的ツールキットを開発し,予測に対する投資のボトムラインの福祉効果を,能力の拡大や治療品質の向上といった他の政策レバーに対して定量化する。 この枠組みをエチオピアにおけるドイツの雇用サービスと貧困ターゲティングに関する2つの実世界のケーススタディに適用することにより、意思決定者がアロケーション問題における相対的価値に関する文脈特異的な結論を確実に導き出すことができるかを説明する。 この領域で将来の経験的な作業を可能にするために、ソフトウェアツールキットやrvp、データの一部を利用可能にしています。

関連論文リスト

• The Value of Prediction in Identifying the Worst-Off [3.468330970960535]
  機械学習は、最も脆弱な個人を特定し、支援するために、政府のプログラムでますます使われている。 本研究は、株式駆動型文脈における予測の福祉的影響と、他の政策レバーとの比較について考察する。
  論文  参考訳（メタデータ） (2025-01-31T17:34:53Z)
• Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
  本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。 本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
  論文  参考訳（メタデータ） (2024-10-03T15:56:03Z)
• The Relative Value of Prediction in Algorithmic Decision Making [0.0]
  アルゴリズムによる意思決定における予測の相対的な価値は何か? 我々は,拡張アクセスの相対値を決定する,単純でシャープな条件を同定する。 本稿では,これらの理論的洞察を用いて,アルゴリズムによる意思決定システムの設計を現実的に導く方法について述べる。
  論文  参考訳（メタデータ） (2023-12-13T20:52:45Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• When Does Uncertainty Matter?: Understanding the Impact of Predictive Uncertainty in ML Assisted Decision Making [68.19284302320146]
  我々は,異なるレベルの専門知識を持つ人々が,異なるタイプの予測不確実性にどう反応するかを評価するために,ユーザスタディを実施している。 その結果,後続の予測分布を示すことは,MLモデルの予測との相違点が小さくなることがわかった。 このことは、後続の予測分布は、人間の分布の種類や専門性を考慮し、注意を払って使用するべき有用な決定支援として役立つ可能性があることを示唆している。
  論文  参考訳（メタデータ） (2020-11-12T02:23:53Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。