多群体鲁棒性
机器学习
2024-05-02 v1
摘要
为弥补现实数据集的不足，人们设计了鲁棒学习算法以克服任意且不区分的数据损坏。然而，实际的数据收集过程可能导致数据损坏模式局限于训练数据集的特定子集。以在富含多个重叠子群体的人群上进行预测部署的关键应用为动机，我们启动了多群体鲁棒算法的研究，其对每个子群体的鲁棒性保证仅因该子群体内部的数据损坏程度而退化。当数据损坏在子群体间不均匀分布时，我们的算法提供的鲁棒性保证比那些对数据损坏及受影响子群体关系无感知的标准保证更具意义。我们的技术在多群体公平性与鲁棒性之间建立了新的联系。
引用
@article{arxiv.2405.00614,
title = {Multigroup Robustness},
author = {Lunjia Hu and Charlotte Peale and Judy Hanwen Shen},
journal= {arXiv preprint arXiv:2405.00614},
year = {2024}
}