共分散中立性リスクにおける中立経験リスク最小化
スポンサーリンク
概要
- 論文の詳細を見る
機械学習のアルゴリズムを実用化するためには,機械学習によって行われる分類や予測から差別,不公平,偏見を排除しなければならない.中立化は,差別,不公平,偏見の要因となるような属性である視点と,学習の結果得られる分類器の出力が相関しないようにすることによってこの問題の解決する.本稿では,経験損失最小化の目的関数に対して,視点と分類器の出力が相関していることに対する罰則項である中立性リスクを加えることによって中立化を行う neutralized empirical risk minimization (NERM) という枠組みについて議論する.中立性リスクとして,視点と分類器の出力の共分散を基にして定義される共分散中立性リスクを提案する.共分散中立性リスクによるNERMにおいて,未知の事例に対する汎化的な中立性について理論的な解析を行う.理論的な解析の結果,未知事例に対する汎化的な中立性がO(√1/n)で確率的にバウンドできることを示す.
- 一般社団法人情報処理学会の論文
- 2014-08-25
著者
-
佐久間 淳
筑波大学大学院 システム情報工学研究科
-
佐久間 淳
筑波大学大学院システム情報工学研究科コンピュータサイエンス専攻|科学技術振興機構CREST
-
福地 一斗
筑波大学大学院システム情報工学研究科コンピュータサイエンス専攻
関連論文
- 適応的実数値交叉 AREX の提案と評価
- 実数値GAにおける生存選択モデルとしてのMGGとJGGの挙動解析
- カスタム価格設定推薦システム : 簡単な実装と予備実験(一般講演(モデルとデータの統合),機械学習とその応用)
- オンライン予測におけるプライバシ保護(一般講演(モデルとデータの統合),機械学習とその応用)
- 説得力と脳内メーカー(編集委員今年の抱負2011)
- プライバシー保護データマイニング(私のブックマーク)
- プライベート問合せにおける問合せ頻度を用いた制約緩和手法
- プライバシーを守ったITサービスの提供技術:6.データベース問合せにおけるプライバシー保護モデル
- 類似検索における秘密情報漏えいの評価及び差分プライバシの保証(第15回情報論的学習理論ワークショップ)
- マルコフ過程を用いた位置情報継続開示のためのアドバーザリアルプライバシ(位置情報・ビッグデータ,ビッグデータを対象とした管理・情報検索・知識獲得及び一般)
- ペアワイズ共リンク伝播カーネル(機械学習)
- クラウドソーシングにおけるオンライン学習(機械学習)
- 共分散中立性リスクにおける中立経験リスク最小化