Localized Adaptive Risk Control

要約

アダプティブ リスク コントロール (ARC) は、セット予測に基づくオンライン キャリブレーション戦略であり、最悪の場合の決定論的な長期リスク コントロールと、統計的な限界カバー率の保証を提供します。
ARC は、過去の決定からのフィードバックに基づいて単一のスカラーしきい値を変更することで、予測セットのサイズを調整します。
この研究では、ARC の最悪の場合のパフォーマンスを維持しながら、条件付きリスクから限界リスクまでの統計的な局所的リスク保証を対象とするオンライン調整スキームである局所的適応リスク制御 (L-ARC) を導入します。
L-ARC は、カーネルが統計的リスク保証の局所化のレベルを決定する、再現カーネル ヒルベルト空間 (RKHS) 内のしきい値関数を更新します。
理論的結果は、統計的リスクの局在化と長期リスク目標への収束速度との間のトレードオフを浮き彫りにしています。
ローカリゼーションのおかげで、L-ARC は、さまざまなデータ部分母集団にわたるリスク保証付きの予測セットを生成する実験を通じて実証され、無線ネットワークにおける画像セグメンテーションやビーム選択などのタスクに対する校正済みモデルの公平性が大幅に向上します。

要約(オリジナル)

Adaptive Risk Control (ARC) is an online calibration strategy based on set prediction that offers worst-case deterministic long-term risk control, as well as statistical marginal coverage guarantees. ARC adjusts the size of the prediction set by varying a single scalar threshold based on feedback from past decisions. In this work, we introduce Localized Adaptive Risk Control (L-ARC), an online calibration scheme that targets statistical localized risk guarantees ranging from conditional risk to marginal risk, while preserving the worst-case performance of ARC. L-ARC updates a threshold function within a reproducing kernel Hilbert space (RKHS), with the kernel determining the level of localization of the statistical risk guarantee. The theoretical results highlight a trade-off between localization of the statistical risk and convergence speed to the long-term risk target. Thanks to localization, L-ARC is demonstrated via experiments to produce prediction sets with risk guarantees across different data subpopulations, significantly improving the fairness of the calibrated model for tasks such as image segmentation and beam selection in wireless networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google