Jun, 2023
通过分位数回归推进相对论推断
Advancing Counterfactual Inference through Quantile Regression
Shaoan Xie, Biwei Huang, Bin Gu, Tongliang Liu, Kun Zhang
TL;DR该论文旨在通过使用神经网络将反事实推理重新构建为扩展的分位数回归问题,依据已学习的定性因果结构和观测数据进行可靠的反事实推理,而不需要给定因果模型甚至直接估计条件分布,并且该方法比现有方法在统计上更有效,同时也有可能将所估计的反事实结果的泛化能力扩展到看不见的数据,并提供泛化误差的上限界限。实验结果在多个数据集上强烈支持我们的理论 claims。