抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
筆者らは,既存の教師なし機械学習アルゴリズムへの公平性に関するJohn Rawlsのアイデアを組み入れる探索的研究を行った。著者らの焦点は,クラスタリングのタスク,特にk平均クラスタ化アルゴリズムである。知る限りでは,これはクラスタリングにおけるRawlsianアイデアを用いた最初の研究である。これに向けて,著者らは,標準k平均クラスタ化アルゴリズムによって生成されたクラスタ割当てで操作する,後処理技術を開発することを試みた。提案手法は,全体の効用に最小に影響する一方で,Rawlsの差分原理に従って,それをより公平にする多くの反復でこの割当てを摂動する。第1ステップとして,2つの単純な摂動演算子-R_1とR_2-を,新しいクラスタへの与えられたクラスタ割当てにおける例を再割り当てる。R_1は単一例を新しいクラスタに割り当て,R_2は新しいクラスタに対する。成人データセットのサンプルに関する著者らの実験は,両方のオペレータが,反復の数に関してR_1よりもR_2がより効率的であるRawlsの差分原理を組込むために,クラスタ割当てにおいて意味のある摂動を行うことを示した。しかし,かなり良好な摂動を行うオペレータを設計する必要があることを観察した。それにもかかわらず,両方のオペレータは,将来のオペレータを設計し,比較するための良い基準を提供し,著者らの知見が,この方向における将来の研究を助けることを期待する。【JST・京大機械翻訳】