Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction

要約

意思決定パイプラインは一般に、さまざまなリスク機能間のトレードオフによって特徴付けられます。
多くの場合、このようなトレードオフをデータに適応した方法で管理することが望ましいです。
私たちが実証しているように、これが単純に行われると、最先端の不確実性の定量化手法は、推定上のリスク保証の重大な違反につながる可能性があります。
この問題に対処するために、しきい値とトレードオフのパラメーターが適応的に選択された場合に、リスクを有効に制御できる方法を開発します。
私たちの方法論は単調リスクおよび単調に近いリスクをサポートしていますが、それ以外の分布の仮定は行っていません。
私たちのアプローチの利点を説明するために、合成データと大規模視覚データセット MS-COCO に対して数値実験を実行します。

要約(オリジナル)

Decision-making pipelines are generally characterized by tradeoffs among various risk functions. It is often desirable to manage such tradeoffs in a data-adaptive manner. As we demonstrate, if this is done naively, state-of-the art uncertainty quantification methods can lead to significant violations of putative risk guarantees. To address this issue, we develop methods that permit valid control of risk when threshold and tradeoff parameters are chosen adaptively. Our methodology supports monotone and nearly-monotone risks, but otherwise makes no distributional assumptions. To illustrate the benefits of our approach, we carry out numerical experiments on synthetic data and the large-scale vision dataset MS-COCO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google