論文の概要: Decision-Value Attribution in Predict-then-Optimize Systems
- arxiv url: http://arxiv.org/abs/2606.29878v1
- Date: Mon, 29 Jun 2026 07:17:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.091457
- Title: Decision-Value Attribution in Predict-then-Optimize Systems
- Title（参考訳）: 予測列最適化システムにおける決定値の属性
- Abstract要約: 決定値属性(Decision Value Attribution, DVA)は、固定された予測-最適化パイプラインの価値に寄与するフレームワークである。
機能に対するInfoDVA属性値、運用構成に対するDesignDVA属性値、情報と設計が共同で価値を作り出す方法の定量化を行うDVI(Decision-Value Interactions)という3つのバリエーションを提示します。
- 参考スコア（独自算出の注目度）: 42.371764229953165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predictive models are increasingly embedded in operational decision-making, yet standard explanation methods typically explain forecasts rather than the decisions those forecasts induce. This distinction is important in predict-then-optimize systems: large forecast changes may leave the optimizer's action unchanged, while small changes can alter the selected decision and its realized value. We propose Decision Value Attribution (DVA), a Shapley-based framework for attributing the value of a fixed prediction--optimization pipeline. The framework defines cooperative games whose payoff is the downstream decision value, allowing the players to be information sources, optimization or design parameters, or both. We present three variants: InfoDVA attributes value to features, DesignDVA attributes value to operational configurations, and Decision-Value Interactions (DVI) quantifies how information and design jointly create value. We further distinguish post-DVA, which evaluates decisions using realized outcomes, from pre-DVA, which evaluates decisions under the model's full prediction. This separation turns attribution into a decision-level diagnostic of whether the model's operational beliefs align with realized performance. The resulting attributions are expressed in the units of the operational objective and decompose the gain or loss relative to a baseline. Case studies in electricity storage arbitrage and emergency medical service coverage show that predictive explanations can be poor proxies for operational value, that DVA can guide targeted information-control interventions, and that optimization configurations determine when predictive information is decision-relevant.
- Abstract（参考訳）: 予測モデルは、運用上の意思決定にますます組み込まれていますが、標準的な説明手法では、予測が引き起こす決定よりも予測を説明するのが一般的です。
大きな予測変更はオプティマイザの動作を変更せず、小さな変更は選択した決定とその実現した値を変更することができる。
固定予測最適化パイプラインの値に寄与するShapleyベースのフレームワークであるDVA(Decision Value Attribution)を提案する。
このフレームワークは、ダウンストリーム決定値がペイオフである協調ゲームを定義しており、プレイヤーは情報ソース、最適化、設計パラメータ、あるいはその両方となることができる。
機能に対するInfoDVA属性値、運用構成に対するDesignDVA属性値、情報と設計が共同で価値を作り出す方法の定量化を行うDVI(Decision-Value Interactions)という3つのバリエーションを提示します。
さらに、実効結果を用いて決定を評価するポストDVAと、モデルの全予測に基づいて決定を評価するプリDVAとを区別する。
この分離は、モデルの運用上の信念が実現されたパフォーマンスと一致しているかどうかを判断レベルで診断する原因となる。
結果の帰属は、運用目的の単位に表され、ベースラインに対する利得または損失を分解する。
電力貯蔵仲裁と救急医療サービスにおけるケーススタディでは、予測的説明が運用価値のプロキシに乏しいこと、DVAが目標とする情報制御の介入をガイドできること、予測的情報が決定関連であるかどうかを最適化構成が決定できることが示されている。
関連論文リスト
- Decision-Driven Regularization: A Blended Model for Learning and Optimization [1.4055982190455338]
学習と最適化のアプローチについて検討し、まず特徴から結果がどう影響するかを学習し、次にこれらの結果に基づいて最適な決定を選択する。
本稿では, 予測精度とコスト最小化のバランスを保ち, 決定駆動正規化(Deciciment-driven regularization)と呼ばれる二目的定式化を提案する。
論文 参考訳（メタデータ） (2026-08-15T08:49:33Z) - Bridging Predictions and Interventions: An Integrated Framework for Automated Decision-Systems [44.41008845972734]
このパースペクティブは、社会システムにおける自動意思決定システム(ADS)を研究するための統合的なフレームワークを開発する。
我々の目標は、ADSの理解を改善し、下流の社会的・組織的な結果をより有意義に予測することである。
論文 参考訳（メタデータ） (2026-06-24T10:29:10Z) - Treatment Effect Estimation for Optimal Decision-Making [65.30942348196443]
2段階CATE推定器を用いた最適意思決定について検討する。
本稿では,CATE推定誤差と判定性能のバランスをとるためにCATEを再ターゲットとした2段階学習目標を提案する。
論文 参考訳（メタデータ） (2025-05-19T13:24:57Z) - Evaluating and Correcting Performative Effects of Decision Support
Systems via Causal Domain Shift [1.6574413179773764]
決定支援システムは、ターゲット変数の値に影響を与えるエージェントの予測を提供する。
高スループット環境でDSSをデプロイする場合、DSSのパフォーマンス効果を慎重に評価することが不可欠である。
本稿では,DSSの展開を因果領域シフトとしてモデル化し,新たなクロスドメイン識別結果を提案する。
論文 参考訳（メタデータ） (2024-03-01T10:19:17Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳（メタデータ） (2023-04-17T10:59:57Z) - Robust Design and Evaluation of Predictive Algorithms under Unobserved Confounding [6.925076885159747]
本稿では,予測アルゴリズムの堅牢な設計と評価のためのフレームワークを提案する。
様々な不確定な仮定が、所得グループ間での信用リスク予測と公平性評価に大きく影響していることが示される。
論文 参考訳（メタデータ） (2022-12-19T20:41:44Z) - Data-Driven Offline Decision-Making via Invariant Representation
Learning [97.49309949598505]
オフラインのデータ駆動意思決定は、アクティブなインタラクションなしで最適化された決定を合成する。
オフラインデータからトレーニングされたモデルへの入力に関して最適化する場合、誤って良いように見えるアウト・オブ・ディストリビューション(OOD)インプットを生成するのは簡単です。
本稿では、オフラインデータ駆動意思決定をドメイン適応として定式化し、最適化された決定値の正確な予測を行うことを目標とする。
論文 参考訳（メタデータ） (2022-11-21T11:01:37Z) - Regret Bounds and Experimental Design for Estimate-then-Optimize [9.340611077939828]
実用的なアプリケーションでは、データは見積もりと最適化の2つのステップで決定される。
見積もりステップのエラーは、見積もりを最適化して、サブ最適決定に導くことができる。
我々は、滑らかで制約のない最適化問題に対するこの後悔に縛られた小説を提供する。
論文 参考訳（メタデータ） (2022-10-27T16:13:48Z) - Explainability's Gain is Optimality's Loss? -- How Explanations Bias
Decision-making [0.0]
説明は、アルゴリズムと人間の意思決定者とのコミュニケーションを促進するのに役立つ。
因果モデルに関する特徴に基づく説明のセマンティクスは、意思決定者の以前の信念から漏れを引き起こす。
このような違いは、準最適かつ偏った決定結果をもたらす可能性がある。
論文 参考訳（メタデータ） (2022-06-17T11:43:42Z) - Inverse Active Sensing: Modeling and Understanding Timely
Decision-Making [111.07204912245841]
我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。
意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
論文 参考訳（メタデータ） (2020-06-25T02:30:45Z)
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。