AAAIMar, 2023
利用隐藏变量从不规则时间序列观测中估计治疗效果
Estimating Treatment Effects from Irregular Time Series Observations with Hidden Confounders
Defu Cao, James Enouen, Yujing Wang, Xiangchen Song, Chuizheng Meng...
TL;DR本文介绍了一种基于 Lipschitz regularization 和神经控制微分方程(CDE)的方法,名为 LipCDE,用于解决时序数据的因果分析问题,该方法能够准确估算个体化的治疗效果和克服隐藏混淆变量导致的治疗估计偏差和高方差情况,并通过实验验证了方法的有效性和可扩展性。