41. 特徴量の制御: 公平性/ドメイン不変性
• ネットワークにより抽出する特徴量 z に対して,以下の2つを同
時に満たすように学習を行う
1. ある目的変数 y の予測性能を最大化する
2. バイアス説明変数 s に対する依存性を最小化する
→これはつまりmin-max 最適化問題に落ちる??
• バイアス説明変数 s の例
• 公平性: 性別,人種,収入, etc.
• ドメイン不変性: 観測環境,観測条件 etc.
42. Adversarial Discriminative Domain Adaptation
(CVPR2017) 識別器
Discriminator
特徴抽出器
学習データX1 (s=1)
学習データX2 (s=2)
x z
𝑦
𝑠
敵対的学習部分
予測性能を最大化
Dは 𝑠の予測性能最大化
Eは 𝑠の予測性能最小化
D
E
敵対学習を特徴量からの「情報の引き算」に使う手法