利用机器学习快捷方式保护公开可用的数据

该文介绍了一种因果驱动的正则化方案，通过使用辅助标签和因果图的条件独立性，鼓励学习不依赖于简便但不可靠关联的预测模型的灵活方法，从而训练出更加鲁棒的预测器。该方案具有良好的泛化和更好的有限样本效率，即使没有简捷方式存在。