نظرة عامة

MinDiff هي تقنية معالجة نموذجية تسعى إلى مساواة التوزيعتين. ومن الناحية العملية، يمكن استخدامه لموازنة معدلات الخطأ عبر شرائح مختلفة من بياناتك عن طريق معاقبة الاختلافات التوزيعية.

عادةً، يمكنك تطبيق MinDiff عند محاولة ضمان عدالة المجموعة، مثل تقليل الفرق في المعدل الإيجابي الخاطئ (FPR) أو المعدل السلبي الخاطئ (FNR) بين شريحة البيانات التي تنتمي إلى فئة حساسة وشريحة ذات أداء أفضل. لإجراء مناقشة متعمقة لمقاييس العدالة، قم بمراجعة الأدبيات المتعلقة بهذا الموضوع. 1 2 3

كيف يعمل MinDiff؟

بالنظر إلى مجموعتين من الأمثلة من مجموعة البيانات الخاصة بنا، فإن MinDiff يعاقب النموذج أثناء التدريب بسبب الاختلافات في توزيع الدرجات بين المجموعتين. كلما كان التمييز بين المجموعتين أقل بناءً على درجات التنبؤ، كلما كانت العقوبة التي سيتم تطبيقها أصغر.

يتم تطبيق العقوبة عن طريق إضافة مكون إلى الخسارة التي يستخدمها النموذج للتدريب. ويمكن اعتباره قياسًا للاختلاف في توزيع تنبؤات النموذج. أثناء تدريب النموذج، يحاول تقليل العقوبة عن طريق تقريب التوزيعات من بعضها البعض، كما هو موضح في الرسوم البيانية أدناه.

الرسم البياني للمقارنة MinDiff

قد يأتي تطبيق MinDiff مع مقايضات فيما يتعلق بالأداء في المهمة الأصلية. يمكن أن يكون MinDiff فعالاً مع عدم تدهور الأداء بما يتجاوز احتياجات المنتج، ولكن يجب أن يتم اتخاذ قرار الموازنة بين الأداء وفعالية MinDiff عن عمد من قبل مالك المنتج. للحصول على أمثلة توضح كيفية تنفيذ MinDiff، راجع دفتر دراسة حالة معالجة النموذج .

موارد

  1. Dwork، C.، Hardt، M.، Pitassi، T.، Reingold، O.، Zemel، R. (2011). العدالة من خلال الوعي. ↩

  2. هاردت، م.، برايس، إي.، سريبرو، إن. (2016). تكافؤ الفرص في التعلم تحت الإشراف. ↩

  3. تشولديشوفا، أ. (2016). التنبؤ العادل بتأثير متباين: دراسة التحيز في أدوات التنبؤ بالعود إلى الإجرام. ↩