文献

J-GLOBAL ID：201202291352678360   整理番号：12A0723977

戦略耐性分類のためのアルゴリズム

Algorithms for strategyproof classification

著者 (3件)： MEIR Reshef (School of Engineering and Computer Sci., Hebrew Univ., Jerusalem 91904, ISR) ,  PROCACCIA Ariel D. (Computer Sci. Dep., Carnegie Mellon Univ., 5000 Forbes, Pittsburgh, PA 15213, USA) ,  ROSENSCHEIN Jeffrey S. (School of Engineering and Computer Sci., Hebrew Univ., Jerusalem 91904, ISR)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 186  ページ： 123-156  発行年： 2012年07月 
JST資料番号： E0180C  ISSN： 0004-3702  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 戦略耐性分類問題では,意思決定者が期待誤差最小化を行いながら,二値ラベルを持つ入力点集合を分類しなければならないような環境設定を取り扱う。これら入力点のラベルは自己利益型エージェントにより報告されるが,それらエージェントは自分自身のラベルにより密接にマッチングする分類器を獲得することを目的としており,従って,データの中にバイアスを生じてしまう。このことが偽り報告を阻止する真実のメカニズムの設計の動機づけとなっている。本論文では,以下の2つの制限付き環境の中で,この分類問題に対する戦略耐性メカニズムを与えた。それらは,1)僅か2つの分類器しか存在しないこと,2)すべてのエージェントが入力点の共有集合に関心を持つこと,である。ここでは,これらの尤もらしい仮説が強力な肯定的結果に繋がることを示した。特に,真実性の高いランダムな独裁者メカニズムの変化したメカニズムにより,任意のファミリの分類器に関しておよそ最適な結果が保証できることを示した。さらに,それらが,任意の真実なメカニズムにより保証可能な最良の近似比率候補にマッチングするという意味で,これらの結果はタイトである。ここではさらに,提案アルゴリズムがサンプリングされたデータからの分類器学習のために利用可能になる方法を示すとともに,その期待誤差に対するPACスタイルの汎化限界を提供する方法を示した。興味深いことに,これらの結果は,施設配置問題や判定集約問題を含む分類問題を超えた各種の分野のコンテキストにおける諸問題に適用可能になる。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *意思決定 ,  自動分類 ,  誤差 ,  文書 ,  分類装置 ,  *マルチエージェントシステム ,  *最適化手法 ,  機械学習 ,  汎化 ,  配置問題 ,  アルゴリズム
準シソーラス用語： ラベル付け【文書】

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (4件)： 戦略 ,  耐性 ,  分類 ,  アルゴリズム