策略性机器学习中的透明性代价
计算机科学与博弈论
2016-10-27 v1
摘要
基于当用户（数据提供者）具有策略性时算法的透明性会给算法设计者带来代价这一观察，本文研究用户策略性意图对透明机器学习算法设计与性能的影响。我们在策略性分类算法的背景下定量研究了透明性代价（price of transparency），将该问题建模为用户与算法设计者之间的非零和博弈。拥有透明算法的代价由一个称为透明性代价的量来衡量，即当算法透明（允许用户采取策略行为）时设计者在 Stackelberg 均衡下的代价与算法不透明情形下代价的比值。
引用
@article{arxiv.1610.08210,
title = {Price of Transparency in Strategic Machine Learning},
author = {Emrah Akyol and Cedric Langbort and Tamer Basar},
journal= {arXiv preprint arXiv:1610.08210},
year = {2016}
}
备注
3rd Workshop on Fairness, Accountability, and Transparency in Machine Learning