通过解释性视角评估异质性处理效果模型的基准性能

Jun, 2022

通过解释性视角评估异质性处理效果模型的基准性能

Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability

Jonathan Crabbé, Alicia Curth, Ioana Bica, Mihaela van der Schaar

TL;DR研究利用后处理的特征重要性方法来评估治疗效果估计器，通过建立基准环境，从而以往未被重视的新维度来研究个性化治疗效果模型的能力，以识别影响模型预测的特征，并提供有关处理效果模型的不同类型的优缺点的新见解。

Abstract

Estimating personalized effects of treatments is a complex, yet pervasive problem. To tackle it, recent developments in the machine learning (ML) literature on heterogeneous treatment effect estimation gave rise to many sophisticated, but opaque, tools: due to their flexibility, modula

personalized treatment effects machine learning neural networks post-hoc feature importance methods benchmarking

发现论文，激发创造

基于数据驱动的异质性治疗效应估计

本文综述了数据驱动方法在异质性治疗效应估计上的应用，分为基于反事实预测和直接估计因果效应的方法，还有从数据中学习模型结构的结构因果模型方法，并在不同结构模型机制下进行了实证评估。

Jan, 2023

估计个体治疗效果时模型选择方法比较

对于估计异质性治疗效果的研究人员，不需要局限于单个模型拟合算法，应通过从验证集中学习的目标函数对使用多个算法拟合的多个模型进行评估，从而选择最小化目标的模型，用于未来个体的治疗效果估计。

Apr, 2018

使用工具进行异质性处理效果的机器学习估计

本研究使用有效的工具变量来考虑具有任意机器学习方法的异质性处理效应估计，并减少了问题到最小化一个适当的损失函数（依赖于一组辅助模型，每个模型对应一个独立的预测任务）的规模。

May, 2019

非参数式异质性处理效应估计：从理论到学习算法

本研究论述了一些治疗效果评估的方法，探究了不同的元学习策略并以神经网络为基础，旨在构建更好的条件 / 环境下，使某些学习者的表现优于其他学习者的认识。

Jan, 2021

治疗效果异质性建模和提升建模的统一调查

这篇论文通过潜在结果框架，提出了个性化医疗、社会研究和个性化营销等领域中利用治疗效果异质性调节来实现不同个体特征之间异质性处理效应估计和提高模型的研究方法，并对现有方法进行了结构性概述和主要应用程序的综述。

Jul, 2020

可解释的个性化实验

本文介绍了 Meta 公司实现和部署生产环境中可扩展、可解释的个性化实验系统，用于学习对黑盒异质性处理效果模型的解释和生成可解释的个性化政策，并在公共数据和 Meta 使用案例上评估系统中使用的方法并讨论开发系统过程中的经验教训。

Nov, 2021

高维异质性治疗效应估计的一些方法

该研究旨在提出三种方法，以利用临床记录中包含的数据来为患者提供更好的医疗建议，并通过模拟表现良好。

Jul, 2017

基准比较中的忽略假设：评估 CATE 是否准确？

本文中，我们发现，尽管观察数据的异质性治疗效果估计的机器学习工具箱正在迅速扩展，但其中许多算法仅在非常有限的半合成基准数据集上进行了评估。

Jul, 2021

随机方案评估中治疗效果异质性的估计

本文研究对社会项目和医疗方案的疗效进行随机实验评估时，如何准确评估其异质性治疗效应，进而为大量可用的治疗方案选择最有效的方案，确定治疗成功或失败的人群，以及设计个性化的最佳治疗方案。本文提出一种利用支持向量机分类器适应变量选择问题进行异质性治疗效应评估的方法，并证明其优于常用替代方法。

May, 2013

用于估计异质治疗效果的联邦学习

使用机器学习方法估计异质治疗效应（HTE）可以在各个领域（如医疗保健、政策制定、教育等）中实现大规模个性化决策。本文提出了一种通过联邦学习在机构之间进行协作学习 HTE 估计器的新框架，实现了在各个机构之间同时学习共同特征表示和不同干预措施下的特定预测函数。我们的框架还通过多任务学习利用表格转换器将多个输入数据映射为特征表示来进行结果预测，并提出了一种适用于异质输入特征空间的个性化转换器的联邦训练方法。实验结果表明了我们的方法的有效性。

Feb, 2024