Fugu-MT 論文翻訳(概要): Optimal Learning in Fairness-Aware Contextual Bandits

論文の概要: Optimal Learning in Fairness-Aware Contextual Bandits

arxiv url: http://arxiv.org/abs/2611.00979v1
Date: Sat, 31 Oct 2026 14:22:01 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-03 19:21:17.150634
Title: Optimal Learning in Fairness-Aware Contextual Bandits
Title（参考訳）: フェアネスを考慮した最適学習
Abstract要約: シーケンシャルな意思決定における不公平な格差を緩和することは、機械学習における関心の高まりだ。我々は,グローバルな共変量に基づくリプシッツフェアネス制約の下で,文脈的帯域幅について検討する。この制約は,決定境界付近のランダム化領域を誘導し,公平性の集団レベルのコストを明示的に定量化することを示す。
参考スコア（独自算出の注目度）: 13.648452923424863
License:
Abstract: Mitigating unfair disparities in sequential decision-making is a growing concern in machine learning. We study contextual bandits under a global covariate-based Lipschitz fairness constraint, pioneered by \cite{dwork2012fairness}, requiring individuals with similar contexts to receive similar action distributions. We show that this constraint induces a randomisation region near the decision boundary and explicitly quantify the population level cost of fairness. We further establish a canonical representation of the optimal fair policy, which reduces the fair policy design to a lower-dimensional boundary optimisation problem. We develop a lazy fair greedy algorithm that exploits fairness-induced covariate diversity under continuous contexts, with policy updates computed via finite-dimensional linear programming. For general context distributions, including discrete and mixed contexts, we propose a lazy polyhedral upper confidence bound (UCB) algorithm, whose optimistic optimisation reduces to finitely many linear programs over confidence-set vertices. Both methods satisfy fairness at every round and achieve regret of order $O(\sqrt{T} + T^{(d-2)/(d-1)}{\indc\{d\geq 4\}})$ up to poly-logarithmic factors, where $d$ is the dimension of the contexts. A matching minimax lower bound for $\ell_1$-based fairness establishes optimality, and reveals an unavoidable nonparametric cost of learning the decision boundary, which dominates the parametric learning cost when $d \geq 4$. Experiments on synthetic and real data support our theoretical findings and demonstrate the practical effectiveness of our methods.
Abstract（参考訳）: シーケンシャルな意思決定における不公平な格差を緩和することは、機械学習における関心の高まりだ。我々は,グローバルな共変量に基づくリプシッツフェアネス制約の下で,類似した文脈を持つ個人に対して同様の行動分布を受けることを求める。この制約は,決定境界付近のランダム化領域を誘導し,公平性の集団レベルのコストを明示的に定量化することを示す。さらに、最適フェアポリシーの標準表現を確立し、フェアポリシー設計を低次元境界最適化問題に還元する。我々は,有限次元線形計画法を用いてポリシー更新を計算し,連続的文脈下での公平性による共変量の多様性を利用する遅延フェアグリーディアルゴリズムを開発した。離散的・混合的な文脈を含む一般的な文脈分布に対して、楽観的な最適化が信頼セット頂点上の有限個の線形プログラムに還元される遅延多面的上信頼境界(UCB)アルゴリズムを提案する。どちらの方法も各ラウンドでの公平さを満足し、次数$O(\sqrt{T} + T^{(d-2)/(d-1)}{\indc\{d\geq 4\}})$ をポリ対数因子まで満たし、$d$ は文脈の次元である。一致した$\ell_1$ベースのフェアネスの最小限の値が最適性を確立し、$d \geq 4$のときのパラメトリック学習コストを支配している決定境界を学習する不可避の非パラメトリックコストを明らかにする。合成データと実データを用いた実験は理論的な結果をサポートし,本手法の有効性を実証する。

関連論文リスト

Overcoming Demand Censoring through Randomization for Risk-Sensitive Newsvendor Learning [0.0]
我々は,制約付き需要,検閲された観察,不規則な不足コストによるオンラインニュース学習について検討する。ストックアウトは勾配に基づくアルゴリズムで必要とされる不足大小を隠蔽することができるため、ランダム化順序付けを用いて不偏次推定を構築する。我々は、結果の下位見積と勾配に基づく更新を組み合わせたオンライン在庫政策を策定する。
論文参考訳（メタデータ） (2026-11-01T22:43:26Z)
The Sample Complexity of Multiclass and Sparse Contextual Bandits [106.74652380822778]
我々は,包括的フィードバックに基づいて,与えられたクラスからほぼ最適なポリシーを特定することを目的とする。ゼロ・ワンの報酬を伴うバンド型マルチクラス分類に動機付けられ、emph$s$-sparse設定に焦点をあてる。我々は、$s$-sparseの報酬で、誘導モデルクラスは、$s$でスケールするシャープなDEC境界を認め、直接最適なレートを得ることを示す。
論文参考訳（メタデータ） (2026-05-28T09:12:20Z)
Active Bipartite Ranking with Smooth Posterior Distributions [1.9838140219494644]
双部格付けは、多くのアプリケーションにかかわる統計的学習問題であり、受動的文脈において広く研究されている。本研究では,推定ランキングルールのROC曲線と$sup$ノルムの最適値との距離を最小化することを目的とした,スムーズランクと呼ばれる新しいアルゴリズムを提案する。本研究では,スムーズランクのサンプリング時間に依存する問題と,任意のPAC$(,)$アルゴリズムのサンプリング時間に依存する問題を確立する。
論文参考訳（メタデータ） (2026-02-27T18:32:08Z)
Neural Variance-aware Dueling Bandits with Deep Representation and Shallow Exploration [6.287267171078442]
ニューラルネットワークを利用して非線形ユーティリティ関数を近似する分散認識アルゴリズムを提案する。十分広いニューラルネットワークに対して,我々のアルゴリズムが次数$bigollt(d sqrtsum_t=1T sigma_t2 + sqrtdTrt)のサブ線形累積平均後悔を達成できることを示す理論的保証を確立する。
論文参考訳（メタデータ） (2025-06-02T01:58:48Z)
Towards a Sharp Analysis of Offline Policy Learning for $f$-Divergence-Regularized Contextual Bandits [49.96531901205305]
我々は$f$-divergence-regularized offline policy learningを分析する。逆Kullback-Leibler (KL) の発散に対して、単極集中性の下での最初の$tildeO(epsilon-1)$サンプル複雑性を与える。これらの結果は,$f$-divergence-regularized policy learningの包括的理解に向けて大きな一歩を踏み出したものと考えられる。
論文参考訳（メタデータ） (2025-02-09T22:14:45Z)
Regret Minimization and Statistical Inference in Online Decision Making with High-dimensional Covariates [7.21848268647674]
我々は、決定のための$varepsilon$-greedybanditアルゴリズムと、疎帯域パラメータを推定するためのハードしきい値アルゴリズムを統合する。マージン条件下では、我々の手法は、$O(T1/2)$ regret あるいは古典的な$O(T1/2)$-consistent推論のいずれかを達成する。
論文参考訳（メタデータ） (2024-11-10T01:47:11Z)
Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path [80.60592344361073]
線形混合遷移カーネルを用いた最短経路(SSP)問題について検討する。エージェントは繰り返し環境と対話し、累積コストを最小化しながら特定の目標状態に到達する。既存の作業は、イテレーションコスト関数の厳密な下限や、最適ポリシーに対する期待長の上限を仮定することが多い。
論文参考訳（メタデータ） (2024-02-14T07:52:00Z)
Variance-Dependent Regret Bounds for Linear Bandits and Reinforcement Learning: Adaptivity and Computational Efficiency [90.40062452292091]
本稿では,不整合雑音を持つ線形帯域に対する計算効率のよい最初のアルゴリズムを提案する。我々のアルゴリズムは未知のノイズの分散に適応し、$tildeO(d sqrtsum_k = 1K sigma_k2 + d)$ regretを達成する。また、強化学習において、線形混合マルコフ決定過程(MDP)に対する分散適応アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-02-21T00:17:24Z)
Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文参考訳（メタデータ） (2022-12-12T21:37:36Z)
Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
論文参考訳（メタデータ） (2020-09-04T04:10:39Z)

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。