ICLRMar, 2024

定义专业知识：治疗效果估计的应用

PDF
TL;DR该论文指出决策者在领域内具有专业知识，并将其用于行动决策，进而提出专业知识应被作为归纳偏见来应用于机器学习中的治疗效果估计问题。作者定义了两种专业知识类型，即预测型和预后型，并通过经验验证了领域内主导的专业知识类型显著影响不同方法在治疗效果估计中的表现，并且能够通过数据集来预测存在的专业知识类型，从而为模型选择提供定量依据。
decision-makersexpertisetreatment effect estimationpredictive expertiseprognostic expertise
发现论文，激发创造
  • 专家树解决集体决策中的知识限制

    本文研究了专家与问题实例之间的知识差异，提出了一种新算法 —— 专业树，解决了现有方法在选择适当模型时存在的问题，从而提高了性能。

    May, 2023

  • 人类专业知识审计

    研究发现，即使在诊断精度高于人类专家的情况下，人类专家仍然可能会为高风险预测任务添加价值，并提出了一种统计框架来检测这种专家水平。这个框架在急诊科的数据上进行了测试。

    Jun, 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

  • 专家引导的贝叶斯优化方法用于已知系统的人机交互式实验设计

    通过高通量（批处理）贝叶斯优化和人类决策理论，本文提出一种方法，使领域专家能够影响最优实验的选择。该方法旨在解决人类在离散选择上比连续选择更擅长的假设，并在每次迭代中通过求解增广多目标优化问题返回备选解集合，从中专家选择一个进行评估。研究表明，即使在无经验的情况下，该算法仍能恢复标准贝叶斯优化的遗憾。

    Dec, 2023

  • 学习重叠表示用于估计个性化治疗效果

    选择干预的决策取决于其潜在的利益或伤害与替代方案相比。通过观察性数据估计替代方案的可能结果是一个具有挑战性的问题，尽管深度核回归算法和后验正则化框架在多个基准数据集上表现优越，但我们发现学习输入的域不变表示的算法经常不合适，并开发以依赖于域重叠和强调需要可逆潜在映射的泛化界限。

    Jan, 2020

  • 利用专家一致性提高算法决策支持能力

    探讨了历史专家决策在机器学习中的应用，结合基于影响函数的方法，提出了训练时标签合并的方法，以及通过混合和推迟模型来利用推断的一致性，并以儿童虐待热线筛选为背景，证明所提出的方法可以显著提高高风险案件的预测准确率。

    Jan, 2021

  • 将专家判断融入机器学习模型

    本文提出了一个新的框架，通过对无标签数据点的代表性进行评估，利用专家的判断来改进机器学习模型的预测，并在多项实验和评估中获得了成功的结果和评价指标。

    Apr, 2023

  • 专家因果判断融合

    考虑一个政策制定者如何将专家的因果判断结合起来，以决定最有效的干预措施。作者定义了有效干预的概念，并研究了如何将专家的因果判断相结合，提出了两个因果模型兼容性的定义，并以实际案例来说明该方法。

    May, 2020

  • 区分不可区分的事物：算法预测中的人类专业知识

    将人类专业知识用于算法预测中，通过选择性地融入人类反馈来改进预测性能，证实专家的主观信息可以显著提高特定实例的算法预测准确性，从而实现有效的人工智能与人类的合作。

    Feb, 2024

  • 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