Multi-group Learning for Hierarchical Groups

要約

マルチグループ学習モデルは、単一の予測子が複数の、場合によっては重複する対象サブグループを適切に一般化する必要がある学習シナリオを形式化します。
私たちは、マルチグループ学習の研究を、グループが階層構造になっている自然なケースに拡張します。
この設定に対して、最適に近いサンプル複雑さで解釈可能で決定論的な決定木予測子を出力するアルゴリズムを設計します。
次に、アルゴリズムの経験的評価を実施し、階層的なグループ構造を持つ実際のデータセットに対して魅力的な一般化特性を達成していることがわかりました。

要約(オリジナル)

The multi-group learning model formalizes the learning scenario in which a single predictor must generalize well on multiple, possibly overlapping subgroups of interest. We extend the study of multi-group learning to the natural case where the groups are hierarchically structured. We design an algorithm for this setting that outputs an interpretable and deterministic decision tree predictor with near-optimal sample complexity. We then conduct an empirical evaluation of our algorithm and find that it achieves attractive generalization properties on real datasets with hierarchical group structure.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google