策略学习中的信息差异
计算机科学与博弈论
2022-02-11 v4 计算机与社会
机器学习
摘要
我们开创性地研究了决策规则不透明对个体在策略学习环境中提升能力的影响。受贷款审批和大学录取等现实场景的启发，我们去掉了策略学习文献中通常假设的决策规则为个体完全已知的前提，转而关注决策规则不可获取的情形。在缺乏知识的情况下，个体试图通过向同伴（例如先前申请过贷款的亲友和熟人）学习来推断该规则，从而在群体中自然形成不同的子群体，每个子群体可能拥有关于决策规则的不同类型与程度的信息。我们表明，在均衡状态下，跨子群体优化福利的委托人决策规则可能引发强烈的负外部性：某些群体的真实质量实际上会恶化。从积极的一面看，我们证明在许多自然情形下，可以同时保证所有子群体的最优提升。我们进一步引入了一个称为信息重叠代理量的度量，并展示了其在刻画跨子群体提升差异方面的有用性。最后，我们确定了在保持高预测精度的同时能够保证所有子群体均得到提升的一个自然条件。我们以真实世界数据集上的实验补充了理论分析。
引用
@article{arxiv.2103.01028,
title = {Information Discrepancy in Strategic Learning},
author = {Yahav Bechavod and Chara Podimata and Zhiwei Steven Wu and Juba Ziani},
journal= {arXiv preprint arXiv:2103.01028},
year = {2022}
}