論文の概要: How Risky Is Your Data-Driven Policy?

• arxiv url: http://arxiv.org/abs/2611.04292v1
• Date: Tue, 03 Nov 2026 04:19:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 00:28:44.315957
• Title: How Risky Is Your Data-Driven Policy?
• Title（参考訳）: データ駆動ポリシはどのようなリスクか?
• Abstract要約: 本稿では,データ駆動型ポリシのリスクを定量化し,そのソースを分離する。 条件付値付きリスク (CVaR) によるトレーニングサンプルの損失, 政策ランダム化, および今後の成果を, 一定の未知分布で評価する。 分布を知るオラクルに対する規制は、期待された事後後悔(PS)、選択されたアクションの平均結果のみのCVaRギャップ、サンプルリスクプレミアム(SR)に分解される。
• 参考スコア（独自算出の注目度）: 1.1745324895296467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data-driven algorithms are ubiquitous across industries, and there is an extensive literature on analyzing their \emph{average} performance. The risk profile of such algorithms, while critical, is much less understood. This paper quantifies the risk of data-driven policies and isolates its sources. We evaluate a policy through the conditional value-at-risk (CVaR) of its loss over the training sample, any policy randomization, and the future outcome, at a fixed unknown distribution. Regret against an oracle that knows the distribution decomposes into expected post-sample regret (PS), the average outcome-only CVaR gap of the selected action, and a sample-risk premium (SR), the additional tail risk omitted by averaging those evaluations. The analogous premium vanishes under expected loss. We characterize when the premium vanishes and how large it is relative to post-sample regret. For losses with a continuous density near the tail cutoff, we identify conditions under which both components decay at the same rate, yet the limiting ratio of the premium to post-sample regret can reach the thousands. When a probability mass at the cutoff moves with the action, the premium can decay more slowly and dominate post-sample regret. We establish conditions under which sample average approximation learns the oracle action at rate $n^{-1/2}$ in both settings, but its combined-risk regret is of order $n^{-1}$ in the first and $n^{-1/2}$ in the second. In finite-sample numerical examples of SAA in both settings, the premium accounts for approximately $74\%$--$97\%$ of regret.
• Abstract（参考訳）: データ駆動型アルゴリズムは産業全体に広く普及しており、それらの‘emph{average}パフォーマンスを分析するための広範な文献がある。 このようなアルゴリズムのリスクプロファイルは、批判的ではあるが、あまり理解されていない。 本稿では,データ駆動型ポリシのリスクを定量化し,そのソースを分離する。 条件付値付きリスク (CVaR) によるトレーニングサンプルの損失, 政策ランダム化, および今後の成果を, 一定の未知分布で評価する。 分布を知るオラクルに対する規制は、期待された事後後悔(PS)、選択されたアクションの平均結果のみのCVaRギャップ、サンプルリスクプレミアム(SR)に分解される。 類似のプレミアムは、予想される損失の下で消滅する。 プレミアムがなくなる時と、それがポストサンプルの後悔と比較してどれだけ大きいかを特徴付けます。 テールカットオフ付近で連続した密度の損失に対して、両コンポーネントが同じ速度で崩壊する条件を同定するが、プレミアムとポストサンプルの後悔の制限比は数千に達する。 カットオフの確率質量が作用とともに移動すると、プレミアムはより緩やかに崩壊し、反則後の後悔を支配する。 サンプル平均近似が両方の設定で$n^{-1/2}$でオラクルアクションを学習する条件を確立するが、その複合リスク後悔は第1で$n^{-1}$、第2で$n^{-1/2}$である。 両方の設定におけるSAAの有限サンプル数値の例では、プレミアムは、約74 %$--97 %$の後悔の理由となっている。

関連論文リスト

• Distributionally-Robust Policy Learning with Observational Data [8.809198293857284]
  政策学習は、パーソナライズされた医療から福祉プログラムターゲティングまで、幅広い応用に不可欠である。 条件付き処理効果のためのクロスフィット2次ロバストスコアを用いた推定器を提案する。 Tsybakov-style margin 条件下では、推定器は$widetildeO(n-(1+)/(2+)$の高速な速度が得られる。
  論文  参考訳（メタデータ） (2026-10-18T23:39:54Z)
• Log-Sum-Exponential Estimator for Off-Policy Evaluation and Learning [50.93804891554481]
  従来の逆確率スコア推定よりも優れた対数推定演算子(log-sum-exponential (LSE)演算子)に基づく新しい推定器を提案する。 我々のLSE推定器は, 重み付き条件下での分散低減とロバスト性を示す。 政治以外の学習シナリオでは、LSE推定器と最適ポリシーの間のパフォーマンスギャップである後悔の限界を確立します。
  論文  参考訳（メタデータ） (2025-06-07T17:37:10Z)
• Generalization and Robustness of the Tilted Empirical Risk [17.48212403081267]
  教師付き統計学習アルゴリズムの一般化誤差(リスク)は、これまで見られなかったデータに対する予測能力を定量化する。 指数的傾きにインスパイアされたcitetli 2020tiltedは、機械学習アプリケーションのための非線形リスク指標として、経験的リスク(TER)を傾けることを提案した。
  論文  参考訳（メタデータ） (2024-09-28T18:31:51Z)
• Risk Estimation in a Markov Cost Process: Lower and Upper Bounds [3.1484174280822845]
  我々はマルコフコストプロセスにおいて、無限水平割引コストのリスク対策を推定する問題に取り組む。 私たちが調査するリスク尺度には、分散、バリュー・アット・リスク(VaR)、条件付きバリュー・アット・リスク(CVaR)がある。
  論文  参考訳（メタデータ） (2023-10-17T16:35:39Z)
• Regret Distribution in Stochastic Bandits: Optimal Trade-off between Expectation and Tail Risk [26.397343668067382]
  我々は,多武装バンディットモデルにおける後悔分布の予測とテールリスクの最適トレードオフについて検討した。 任意の後悔しきい値に対する最適な後悔の尾の確率を特徴付けるために、新しいポリシーが提案されている。
  論文  参考訳（メタデータ） (2023-04-10T01:00:18Z)
• Probably Anytime-Safe Stochastic Combinatorial Semi-Bandits [81.60136088841948]
  本稿では,時間軸における後悔を最小限に抑えるアルゴリズムを提案する。 提案アルゴリズムは,レコメンデーションシステムや交通機関などの分野に適用可能である。
  論文  参考訳（メタデータ） (2023-01-31T03:49:00Z)
• A Simple and Optimal Policy Design with Safety against Heavy-Tailed Risk for Stochastic Bandits [27.058087400790555]
  マルチアームバンディット問題について検討し,期待された後悔に対する最悪のケース最適性と,後悔の分布に対する軽微なリスクの両方を享受する新しいポリシーを設計する。 経営的な観点から、我々の新しい政策設計は、より良い尾の分布をもたらし、祝福された政策よりも好まれることがわかった。
  論文  参考訳（メタデータ） (2022-06-07T02:10:30Z)
• Doubly Robust Distributionally Robust Off-Policy Evaluation and Learning [59.02006924867438]
  オフ政治評価と学習(OPE/L)は、オフラインの観察データを使用してより良い意思決定を行う。 近年の研究では、分散ロバストなOPE/L (DROPE/L) が提案されているが、この提案は逆正則重み付けに依存している。 KL分散不確実性集合を用いたDROPE/Lの最初のDRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T20:00:44Z)
• PAC$^m$-Bayes: Narrowing the Empirical Risk Gap in the Misspecified Bayesian Regime [75.19403612525811]
  この研究は、2つのリスク間のトレードオフを分散することでギャップを埋めることのできるマルチサンプル損失を開発する。 実証的研究は予測分布の改善を示す。
  論文  参考訳（メタデータ） (2020-10-19T16:08:34Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)
• Risk-Sensitive Reinforcement Learning: Near-Optimal Risk-Sample Tradeoff in Regret [115.85354306623368]
  本研究では,未知の遷移カーネルを持つマルコフ決定過程におけるリスク感応性強化学習について検討する。 確率的に効率的なモデルレスアルゴリズムとして、リスク感性価値反復(RSVI)とリスク感性Q-ラーニング(RSQ)を提案する。 RSVIが $tildeObig(lambda(|beta| H2) cdot sqrtH3 S2AT big) に達したことを証明しています。
  論文  参考訳（メタデータ） (2020-06-22T19:28:26Z)

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。