論公有與私有二元分類之度量空間值預測器

研究論文探討了在度量空間值預測下的二元分類問題。論文首先假設可以直接訪問來自未知分布的獨立同分布樣本，並推導了 Proto-NN 分類器的收斂速率，該分類器是近期針對度量空間值預測器所提出的。在第二部分，論文在附加的隱私約束下重新考慮同一問題，具體是在局部差分隱私框架下，數據不能直接觀察，僅能通過滿足隱私約束的適當機制獲得隱私化替代數據。研究者需要從所有保證局部差分隱私的機制中選擇一個最優隱私機制。方法是在 Proto-NN 分類器中添加拉普拉斯分佈噪聲。最後，論文推導了隱私化 Proto-NN 分類器的收斂速率，並證明其在僅使用隱私化數據時具有一致性。這項研究為在隱私保護下進行度量空間值預測的二元分類提供了理論基礎，有助於推動人工智慧與數據隱私領域的發展。