DUPRE：高效数据估值的数据实用性预测

数据估值在机器学习中日益受到关注，用于决定数据所有者的公平补偿，并识别有助于改进机器学习模型的有价值或有害数据。合作博弈论基于的数据估值方法（如Data Shapley）需要评估数据实用性（例如验证准确率），并对多个数据子集重新训练机器学习模型。虽然大多数现有工作在减少评估子集的数量方面有所关注，但我们的框架DUPRE采用一种 alternative yet complementary的方法，通过预测数据实用性而非通过模型重新训练来降低每个子集评估的成本。具体来说，给定一些数据子集已评估的数据实用性，DUPRE拟合一个高斯过程（GP）回归模型来预测每个其他数据子集的实用性。我们的关键贡献在于我们GP核的设计，基于经验数据分布之间的切片Wasserstein距离。特别是，我们表明该核是有效的且半正定的，编码了不同数据子集相似性的先验知识，并且可以有效计算。我们经验上验证了DUPRE引入低预测误差，并加速了各种机器学习模型、数据集和实用函数的数据估值。