Buchumschlag

CHG Shapley: Efficient Data Valuation and Selection towards Trustworthy Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cai, Huaiguang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Science and Game Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Data Valuation via Asymmetric Data Shapley
von: Zheng, Xi, et al.
Veröffentlicht: (2024)

Shapley-Guided Utility Learning for Effective Graph Inference Data Valuation
von: Chi, Hongliang, et al.
Veröffentlicht: (2025)

CAMs as Shapley Value-based Explainers
von: Cai, Huaiguang
Veröffentlicht: (2025)

Data Valuation for LLM Fine-Tuning: Efficient Shapley Value Approximation via Language Model Arithmetic
von: Tamine, Mélissa, et al.
Veröffentlicht: (2025)

DU-Shapley: A Shapley Value Proxy for Efficient Dataset Valuation
von: Garrido-Lucero, Felipe, et al.
Veröffentlicht: (2023)

Temporal-Decay Shapley: A Time-Aware Data Valuation Framework for Time-Series Data
von: Pang, Chuwen, et al.
Veröffentlicht: (2026)

DUPRE: Data Utility Prediction for Efficient Data Valuation
von: Pham, Kieu Thao Nguyen, et al.
Veröffentlicht: (2025)

Regulation Games for Trustworthy Machine Learning
von: Yaghini, Mohammad, et al.
Veröffentlicht: (2024)

Local Shapley: Model-Induced Locality and Optimal Reuse in Data Valuation
von: Yang, Xuan, et al.
Veröffentlicht: (2026)

Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Do Data Valuations Make Good Data Prices?
von: Fan, Dongyang, et al.
Veröffentlicht: (2025)

Rethinking Data Value: Asymmetric Data Shapley for Structure-Aware Valuation in Data Markets and Machine Learning Pipelines
von: Zheng, Xi, et al.
Veröffentlicht: (2025)

Trustworthy Machine Learning under Social and Adversarial Data Sources
von: Shao, Han
Veröffentlicht: (2024)

Enhancing Mutual Trustworthiness in Federated Learning for Data-Rich Smart Cities
von: Wehbi, Osama, et al.
Veröffentlicht: (2024)

Putting Gale & Shapley to Work: Guaranteeing Stability Through Learning
von: Hosseini, Hadi, et al.
Veröffentlicht: (2024)

Approximating the Shapley Value without Marginal Contributions
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2023)

Dynamic Shapley Computation
von: Yang, Xuan, et al.
Veröffentlicht: (2026)

Explaining a probabilistic prediction on the simplex with Shapley compositions
von: Noé, Paul-Gauthier, et al.
Veröffentlicht: (2024)

Shapley Value Approximation Based on k-Additive Games
von: Pelegrina, Guilherme Dean, et al.
Veröffentlicht: (2025)

Proper Dataset Valuation by Pointwise Mutual Information
von: Zheng, Shuran, et al.
Veröffentlicht: (2024)

WeShap: Weak Supervision Source Evaluation with Shapley Values
von: Guan, Naiqing, et al.
Veröffentlicht: (2024)

On the Impact of the Utility in Semivalue-based Data Valuation
von: Tamine, Mélissa, et al.
Veröffentlicht: (2025)

Bilateral Trade Under Heavy-Tailed Valuations: Minimax Regret with Infinite Variance
von: Zhao, Hangyi
Veröffentlicht: (2026)

Shapley Machine: A Game-Theoretic Framework for N-Agent Ad Hoc Teamwork
von: Wang, Jianhong, et al.
Veröffentlicht: (2025)

Causal Analysis of Shapley Values: Conditional vs. Marginal
von: Rozenfeld, Ilya
Veröffentlicht: (2024)

FedSV: Byzantine-Robust Federated Learning via Shapley Value
von: Otmani, Khaoula, et al.
Veröffentlicht: (2025)

User Strategization and Trustworthy Algorithms
von: Cen, Sarah H., et al.
Veröffentlicht: (2023)

Antithetic Sampling for Top-k Shapley Identification
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2025)

Algorithmic Collective Action in Machine Learning
von: Hardt, Moritz, et al.
Veröffentlicht: (2023)

Understanding Model Selection For Learning In Strategic Environments
von: Handina, Tinashe, et al.
Veröffentlicht: (2024)

The Price of Ignorance: Information-Free Quotation for Data Retention in Machine Unlearning
von: Han, Bin, et al.
Veröffentlicht: (2026)

A Machine Learning Theory Perspective on Strategic Litigation
von: Dutz, Melissa, et al.
Veröffentlicht: (2025)

Data as Voters: Core Set Selection Using Approval-Based Multi-Winner Voting
von: Sánchez-Fernández, Luis, et al.
Veröffentlicht: (2023)

Aumann-SHAP: The Geometry of Counterfactual Interaction Explanations in Machine Learning
von: Belahcen, Adam, et al.
Veröffentlicht: (2026)

Learning to Price Homogeneous Data
von: Chen, Keran, et al.
Veröffentlicht: (2024)

Learning Safely Without Knowing the World:COMPASS-Hedge
von: Hu, Ting, et al.
Veröffentlicht: (2026)

Position: Machine Learning for Heart Transplant Allocation Policy Optimization Should Account for Incentives
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2026)

On the Convergence of Federated Learning Algorithms without Data Similarity
von: Beikmohammadi, Ali, et al.
Veröffentlicht: (2024)

GroupSegment-SHAP: Shapley Value Explanations with Group-Segment Players for Multivariate Time Series
von: Kim, Jinwoong, et al.
Veröffentlicht: (2026)

Strategic Federated Learning: Application to Smart Meter Data Clustering
von: Mohamad, Hassan, et al.
Veröffentlicht: (2024)