[論文レビュー] Computing a Data Dividend

Eric Bax|arXiv (Cornell University)|May 6, 2019

Auction Theory and Applications参考文献 19被引用数 4

ひとこと要約

本稿では、シャープレー値およびオーウェン値を用いて個々のデータサンプルおよびサンプルのグループに金銭的価値を割り当てることで、公平なデータ配当を計算する手法を提案する。これらの値は定義上指数的であるが、多項式時間で計算可能であることを示しており、機械学習および統計分野におけるデータ駆動型意思決定からの利益配分を実用可能にする。

ABSTRACT

Quality data is a fundamental contributor to success in statistics and machine learning. If a statistical assessment or machine learning leads to decisions that create value, data contributors may want a share of that value. This paper presents methods to assess the value of individual data samples, and of sets of samples, to apportion value among different data contributors. We use Shapley values for individual samples and Owen values for combined samples, and show that these values can be computed in polynomial time in spite of their definitions having numbers of terms that are exponential in the number of samples.

研究の動機と目的

• データ駆動型産業におけるデータ貢献者への公平な報酬支払いの増大するニーズに対応すること。
• 個々の貢献者およびデータ連合に対して、データから生じる利益を公平に分配するメカニズムを開発すること。
• 従来のシャープレー値およびオーウェン値の定義が指数的であるにもかかわらず、データ評価が計算的に実行可能であることを保証すること。
• 広告、金融予測、臨床研究に応用可能な、原理的でゲーム理論に基づいたデータ配当計算フレームワークを提供すること。

提案手法

• 個々のデータサンプルが意思決定プロセスに与える限界寄与度を計算するためにシャープレー値を用いる。
• 特に近傍分類モデルにおいて、データサンプルの連合の寄与度を評価するためにオーウェン値を適用する。
• 順列の組み合わせ的平均化を用いて、シャープレー値およびオーウェン値を効率的に計算し、指数的複雑性を多項式時間に低減する。
• 確率加重寄与度を用いて、頻度ベースおよび近傍分類モデルにおけるデータ配当計算の閉形式表現を導出する。
• 分類タスクにおける連合内でのサンプルの寄与度を表すために、$\hat{f}_{m,i}(x,y)$ および $\hat{g}_{m,i}(x,y)$ などの用語を導入する。
• 対称性および順列不変性を活用して、値計算における項をグループ化・簡略化し、スケーラブルな評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 データ駆動型意思決定システムにおいて、個々のデータサンプルをどのように公平に評価できるか？
• RQ2 機械学習モデルにおけるデータ寄与へのシャープレー値およびオーウェン値の割り当ての計算可能性はいかがなものか？
• RQ3 標準定義に指数的項が含まれるにもかかわらず、多項式時間アルゴリズムを開発してデータ配当を計算できるか？
• RQ4 複数のサンプルが同じソースまたはグループから提供された場合、データ配当はどのように配分すべきか？
• RQ5 データ配当計算が、データ収集における公平性、プライバシー、格差に与える影響は何か？

主な発見

• 個々のデータサンプルのシャープレー値および連合のオーウェン値は、標準定義の指数的複雑性を克服して多項式時間で計算可能である。
• 本手法により、広告、金融予測、臨床研究などの応用分野におけるデータ駆動型意思決定からの利益を、公平かつ計算的に効率的に配分できる。
• 近傍分類では、サンプルの寄与度が、順列における位置と投票結果に基づく確率加重限界利益を用いて導出される。
• 本フレームワークは頻度ベースおよび近傍分類モデルを両方サポートしており、機械学習および統計的意思決定システムに広く適用可能である。
• 本アプローチは、代表的または高インパクトのデータ貢献者に報酬を支払うことでバイアスを低減し、公平性を向上させるデータ配当システムの基盤を提供する。
• 本稿では、データ詐欺やプライバシーのトレードオフといった潜在的リスクを強調しており、システムの整合性を維持するためにはデータ検証および公平な報酬支払いが不可欠であると示唆している。