面向改善群体准确性差异的离群点感知训练
计算与语言
2022-10-28 v1 计算机与社会
机器学习
摘要
解决虚假相关性的方法（如 Just Train Twice (JTT, arXiv:2107.09044v2)）涉及对训练集的一个子集进行重新加权，以最大化最差群体准确性。然而，重新加权的样本集可能包含阻碍模型学习的不可学习样本。我们提出通过检测训练集中的离群点并在重新加权之前将其移除来缓解这一问题。我们的实验表明，与 JTT 相比，我们的方法实现了具有竞争力或更优的准确性，并且能够检测并移除 JTT 中被重新加权的子集里的标注错误。
引用
@article{arxiv.2210.15183,
title = {Outlier-Aware Training for Improving Group Accuracy Disparities},
author = {Li-Kuang Chen and Canasai Kruengkrai and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2210.15183},
year = {2022}
}