Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Beyond RMSE and MAE: Introducing EAUC to unmask hidden bias and unfairness in dyadic regression models

Created by
  • Haebom

저자

Jorge Paz-Ruza, Amparo Alonso-Betanzos, Bertha Guijarro-Berdinas, Brais Cancela, Carlos Eiras-Franco

개요

본 논문은 쌍(dyadic) 회귀 모델에서 개별 엔티티의 비균일한 관측값 분포가 심각한 편향(eccentricity bias)을 유발한다는 것을 증명합니다. 이 편향은 예측값을 엔티티의 과거 관측값 평균으로 치우치게 하며, 특정 상황에서는 무작위 예측보다 성능이 떨어집니다. 기존의 RMSE와 같은 전역 오차 지표는 이 편향을 포착하는 데 부족하며, 논문에서는 이를 정량화할 수 있는 새로운 지표인 EAUC(Eccentricity-Area Under the Curve)를 제시합니다. EAUC의 해석을 실험적으로 검증하고, 공정한 모델을 구축하기 위한 EAUC 활용 방안을 제시하여 쌍 회귀 모델의 공정성 있는 평가에 기여합니다.

시사점, 한계점

•
시사점:
◦
쌍 회귀 모델에서의 eccentricity bias 현상을 규명하고, 그 심각성을 보여줍니다.
◦
기존 평가 지표의 한계를 지적하고, 새로운 평가 지표인 EAUC를 제시합니다.
◦
EAUC를 활용한 공정한 모델 구축 방향을 제시합니다.
◦
다양한 분야 (추천 시스템, 정밀 의학 등)의 쌍 회귀 모델에 적용 가능한 일반적인 문제를 다룹니다.
•
한계점:
◦
제시된 EAUC를 활용한 공정한 모델 구축 방안은 이론적인 제안에 그치며, 실제 구현 및 성능 검증이 부족합니다.
◦
다양한 쌍 회귀 모델과 데이터셋에 대한 실험 결과가 제한적일 수 있습니다.
◦
eccentricity bias를 완전히 해결하는 방법론을 제시하지는 않습니다.
👍
Made with Slashpage