論文の概要: When Does Data Value Reduce to Class Balance? A Coverage View of Per-Point Data Valuation
- arxiv url: http://arxiv.org/abs/2610.34801v1
- Date: Mon, 26 Oct 2026 03:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.733909
- Title: When Does Data Value Reduce to Class Balance? A Coverage View of Per-Point Data Valuation
- Title（参考訳）: データの価値はいつクラスバランスに還元されるか? ポイント単位のデータ評価の包括的視点
- Abstract要約: ポイント毎のデータ評価スコア -- データ共有、影響、レバレッジ -- は、トレーニングデータの選択に日常的に使用される。
我々は、データ選択が重要となる体制において、固定されたモード盲点スコアによる上位k$が間違った選択ルールであると論じている。
- 参考スコア（独自算出の注目度）: 4.786936073180585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Per-point data-valuation scores -- Data Shapley, influence, leverage -- are routinely used to select training data: keep the points with the top $k$ scores. We argue that top-$k$ by a fixed, mode-blind per-point score is the wrong selection rule precisely in the regime where data selection matters. The reason is that a point's value is not a fixed number but depends on what else has been selected -- a near-duplicate of an already-chosen point adds almost nothing, however high its score -- and a per-point scalar cannot express this interaction. The theory quantifies this failure exactly: in an equal latent-mode model, fixed top-$k$ selection incurs a closed-form excess risk over adaptive coverage because it repeatedly spends budget on already-covered modes. The gap is largest when the budget is tight, the learner representation is redundant, and missing a mode is costly. The practical rule is simple: use balance when the labels available at selection identify the learner's modes, and use explicit coverage when they do not. On standard classification tasks with strong pretrained features, class-balancing the same per-point scores recovers the missing coverage and matches or outperforms generic set coverage across our datasets. Without labels, label-free coverage improves accuracy by up to +0.20 while raw top-$k$ can fall below random; when labels are coarser than the modes, coverage within coarse strata performs best. We turn this distinction into a pre-specified diagnostic and validate it across both favorable and stress-test settings. The limits are part of the claim: the advantage is representation-relative. Coverage fails when the relevant modes are not expressed in the learner geometry, as with spurious subgroups, or when data quality varies independently of coverage -- exactly as the theory predicts.
- Abstract（参考訳）: ポイント毎のデータ評価スコア -- データ共有、インフルエンス、レバレッジ -- は、トレーニングデータの選択に常用される。
我々は、データ選択が重要となる体制において、固定されたモード盲点スコアによる上位k$が間違った選択ルールであると論じている。
理由は、ポイントの値が固定数ではなく、選択されたものに依存しているからである -- 既に重複しているポイントのほぼ重複は、スコアが高ければほとんど何も追加せず、ポイントごとのスカラーは、この相互作用を表現できない。
この理論は、この失敗を正確に定量化している: 等しい潜在モードモデルでは、固定された上位$k$選択は、既にカバーされたモードに予算を何度も費やしているため、適応的カバレッジよりも閉形式の過剰リスクをもたらす。
予算が厳しければギャップは最大であり、学習者の表現は冗長であり、モードの欠如はコストがかかる。
実践的なルールは単純で、選択時に利用可能なラベルが学習者のモードを識別するときはバランスを使い、そうでないときは明示的なカバレッジを使用する。
強い事前訓練された特徴を持つ標準的な分類タスクでは、同じポイント毎のスコアをクラスバランスすることで、欠落したカバレッジとマッチを回復し、データセット全体のジェネリックセットカバレッジを上回ります。
ラベルがなければ、ラベルなしのカバレッジは+0.20まで精度を向上し、生のトップ$k$はランダム以下に落ちる。
この区別を事前に特定された診断に変換し、好ましい設定とストレステストの両方で検証します。
制限はクレームの一部であり、利点は表現相対性である。
カバレッジは、関連するモードが学習者幾何学で表現されない場合や、急激なサブグループの場合、あるいは、理論が予測するように、カバレッジとは独立してデータ品質が変化する場合、失敗する。
関連論文リスト
- Accuracy and Order Sensitivity Diverge Under Label-Free Strategies [4.127762845164668]
複数選択ベンチマークは、大きな言語モデルを評価するために広く使われている。
複数の選択は、選択順序に対する感度で知識を分割する。
本稿では,モデルが回答をコミットしながらオプションラベルを見るのを防ぐことが,位置の影響を除去するかどうかを検証する。
論文 参考訳（メタデータ） (2026-08-12T11:34:45Z) - Empirical Bayes Conformal Prediction for Vision and Language Models [20.40115871314124]
コンフォーマル予測(CP)は、現代のビジョンと言語モデルに対して、分布のないカバレッジを提供する。
標準CP は 1 つの実現法を使い、平均列キャリブレートの変種は点推定に滑らかな多重実現法を用いる。
実験的なベイズ共形予測フレームワークについて述べる。これは$r$-valuesを用いて、スコアの変動性を不確実な非整合性スコアに変換する。
論文 参考訳（メタデータ） (2026-05-22T03:17:14Z) - Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。
本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-17T12:01:56Z) - Reducing Biases in Record Matching Through Scores Calibration [1.5530839016602822]
スコアバイアスの測定と低減のためのしきい値に依存しないフレームワークを提案する。
基準しきい値に基づく基準値の下では公平に見えても,いくつかの最先端マッチング手法がかなりのスコアバイアスを示すことを示す。
本稿では,2つのポストプロセッシングスコアキャリブレーションアルゴリズムを導入する。第1のキャリブは,ワッサーシュタイン・バリセンタを用いてグループワイズスコアの分布を調整し,人口統計学的パーティを目標とする。
第2のカラリブは、ラベルに依存したバイアス、例えば平等な機会を減らそうと予測されたラベルの条件である。
論文 参考訳（メタデータ） (2024-11-03T21:01:40Z) - Efficient Online Set-valued Classification with Bandit Feedback [10.882001129426726]
クラス固有の粒度のカバレッジ保証を提供するBandit Class-specific Conformal Prediction (BCCP)を提案する。
BCCPは、各イテレーションで少ないラベルでラベル付けされたデータの課題を克服し、オンライン意思決定環境への適合予測の信頼性と適用性を一般化する。
論文 参考訳（メタデータ） (2024-05-07T15:14:51Z) - Class-Conditional Conformal Prediction with Many Classes [60.8189977620604]
類似した共形スコアを持つクラスをクラスタ化するクラスタ化共形予測法を提案する。
クラスタ化されたコンフォメーションは、クラス条件カバレッジとセットサイズメトリクスの点で、既存のメソッドよりも一般的に優れています。
論文 参考訳（メタデータ） (2023-06-15T17:59:02Z) - Optimizing Partial Area Under the Top-k Curve: Theory and Practice [151.5072746015253]
トップk曲線下部分領域(AUTKC)と呼ばれる新しい計量法を開発した。
AUTKCはより優れた識別能力を持ち、ベイズ最適スコア関数は条件付き確率に対して正しいトップKランクを与えることができる。
提案手法を最適化するために,実証的なサロゲートリスク最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-03T11:09:13Z) - Contextual Active Model Selection [10.925932167673764]
本稿では,ラベル付けコストを最小限に抑えつつ,事前学習したモデルを積極的に選択する手法を提案する。
目的は、ラベル要求を制限しながら予測を行う最良のモデルを適応的に選択することである。
2つの新しいコンポーネントに依存した文脈的アクティブモデル選択アルゴリズムであるCAMSを提案する。
論文 参考訳（メタデータ） (2022-07-13T08:22:22Z) - Online Selective Classification with Limited Feedback [82.68009460301585]
オンライン学習モデルにおいて、予測者がインスタンスの分類を控える可能性のある選択的分類について検討する。
私たちが考慮している設定の健全な2つの側面は、データが不可避である可能性があるため、データは不可避である可能性があるということです。
smash$tildeO(T1-mu)$ over abstention against Adaptive adversaries. smash$tildeO(T1-mu)$ incurring smash$tildeO(T1-mu)$ over abstention。
論文 参考訳（メタデータ） (2021-10-27T08:00:53Z) - How to distribute data across tasks for meta-learning? [59.608652082495624]
タスクごとのデータポイントの最適な数は予算に依存しますが、それは大きな予算のためのユニークな一定の値に収束します。
この結果から,データ収集の簡便かつ効率的な手順が示唆された。
論文 参考訳（メタデータ） (2021-03-15T15:38:47Z)
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。