Une borne PAC-Bayésienne sur une mesure de risque pour l'apprentissage équitable - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Une borne PAC-Bayésienne sur une mesure de risque pour l'apprentissage équitable

Hind Atbir
  • Fonction : Auteur
  • PersonId : 1401380
Farah Cherfaoui
Emilie Morvant
Paul Viallard

Résumé

Nous étudions la Conditional Value at Risk (CVaR) une mesure de risque définie comme une combinaison de risques de sous-groupes et qui se focalise uniquement sur les plus hauts risques. En apprentissage équitable, un sous-groupe est défini par l’ensemble des individus partageant la même valeur de l’attribut sensible étudié. La CVaR a donc l’intérêt de se concentrer sur les valeurs de l’attribut sensible amenant a` un risque élevé. Dans ce travail, nous dérivons une borne en généralisation PAC-Bayésienne pour la CVaR qui fait non seulement intervenir une distribution sur l’ensemble d’hypothèses (classique en PAC-Bayes), mais également une distribution sur l’ensemble des valeurs de l’attribut sensible permettant de contrôler l’importance de chaque sous-groupe intervenant dans la CVaR.
Fichier non déposé

Dates et versions

hal-04646194 , version 1 (12-07-2024)

Licence

Identifiants

  • HAL Id : hal-04646194 , version 1

Citer

Hind Atbir, Farah Cherfaoui, Guillaume Metzler, Emilie Morvant, Paul Viallard. Une borne PAC-Bayésienne sur une mesure de risque pour l'apprentissage équitable. CAP 2024 - Conférence sur l'Apprentissage Automatique, Jul 2024, Lille, France. ⟨hal-04646194⟩
41 Consultations
4 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More