TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(3/3)
１．TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(3/3)まとめ ・制約が適用されるグループがデータセット内で過小評価されてしまう可能性があることに注意が必要 ・各グループの割合が高い別のリバランスされたデータセットに制約を課す事が推奨される ・適切に制約を設定すれば制約付きモデルは精度を維持しながら誤検出率を大幅に下げる事が可能 ２．TFCOで制約を設定する際の注意事項 以下、 […]
nips
1/5ページ
TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(2/3)
１．TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(2/3)まとめ ・「正しい」制約とは、何を持って公平とするか、または問題とユーザーの要件によって異なる ・矛盾する制約を課す事も可能なので適切な解決策がない制約を指定しないように注意が必要 ・相対制約ではなく絶対制約を使用すると基準を下にずらしてしまう事を防ぐ事ができる ２．TFCOで制約を設定する際の注意事項 以下、ai.goo […]
TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(1/3)
１．TFCO:制約付き最適化ライブラリを使用して公平性の目標を設定(1/3)まとめ ・機械学習モデルは競合する考慮事項間でバランスを取るようなケースに対処するのが難しい ・TFCOライブラリを使用すると複数の異なる基準に基づく機械学習の問題を簡単に構成および学習可能 ・TFCOは特に公正性に関心を持つコミュニティにとって興味深い多くの問題を簡単に定式化可能 ２．TFCOとは？ 以下、ai.goog […]
グラフデータを機械学習で扱いやすくするための革新(3/3)
１．グラフデータを機械学習で扱いやすくするための革新(3/3)まとめ ・グラフのembedding手法は有用であるが手動で設定しなければならない多数のハイパーパラメータを持つ ・第二の論文で紹介している「Watch Your Step」はハイパーパラメータを自動で調整する新手法 ・「Watch Your Step」はニューラルアーキテクチャ探索は使っていないがAutoMLファミリーと見なせる ２． […]
グラフデータを機械学習で扱いやすくするための革新(2/3)
- 2019.06.28
- nips
１．グラフデータを機械学習で扱いやすくするための革新(2/3)まとめ ・従来のほとんどの手法は各ノードに対して単一のembeddingが学習されなければならないと仮定している ・現実のネットワークは複数の重複するコミュニティと複数の役割が同時に存在している ・自我ネットワーク分析に基づいた直近の革新を用いて重複問題を解決するSplitter embeddingを開発 ２．Splitter embe […]