heterogeneous treatment effects | BriefGPT

关键词heterogeneous treatment effects

搜索结果 - 29

CURLS：用于显著治疗效果的子群体因果规则学习
本文提出了一种名为 CURLS 的新型规则学习方法，利用异质性治疗效果 (HTE) 有效地描述具有显著治疗效果的亚群体。通过在离散优化问题中精确平衡治疗效果与方差，并考虑规则的可解释性，我们设计了基于次优化 - 最大化算法的迭代过程，并将次
PDF5 days ago
面板数据中的异质处理效应
利用回归树对面板数据进行分析，将观测值划分为具有相似治疗效果的不相交簇，并利用面板数据的低秩结构估计每个簇的平均治疗效果，提供更准确和可解释的估计结果。
PDFa month ago
混合治疗效果的合成潜在结果
现代数据分析中常常依赖于使用大型数据集，其中包含多个不同的人群或数据源的综合。这些较小数据集之间的异质性构成了因果推断的两个主要挑战：（1）每个样本的来源可能会引入处理和效果之间的潜在混淆，（2）不同的人群对相同的处理可能会产生不同的反应，
PDFa month ago
多 CATE: 对未知协变量转变健壮的多准确条件平均处理效应估计
通过学习多准确性预测器，我们提出了一种方法，用于在部署时解决未知协变量转变，从而改善异质处理效应预测，并在因果推断和机器学习中取得了令人满意的结果。
PDFa month ago
深度学习用于因果推断：异质处理效应估计体系结构的比较
通过开发一个全连接的神经网络，实现了 Bayesian Causal Forest 算法的神经网络因果推断架构，并将该方法应用于研究应激对睡眠的影响，展示了在模拟环境中性能的提升。
PDF2 months ago
高维异质性治疗效应估计的可微分 Pareto 平滑权重
我们提出了一种可通过不同 iable Pareto 平滑加权框架来替换极端权重值的可微分权重学习方法，从而在估算高维异质处理效应时实现数值稳健的估计，实验结果表明，通过有效地校正权重值，我们的方法优于现有方法，包括传统的加权方案。
PDF2 months ago
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
PDF4 months ago
结合 T-learning 和 DR-learning: 用于在预估因果对比时节约开销的框架
我们引入了高效的插件（EP）学习，这是一种用于估计异质因果对比的新框架，如条件平均治疗效应和条件相对风险。EP 学习框架具有与尼曼正交学习策略相同的洞察效率，同时解决了它们的一些主要缺点，包括实际适用性受损于损失函数的非凸性，以及逆概率加权
PDF5 months ago
公路交通事故对异质治疗效果的推断：一种双重鲁棒因果机器学习方法
该研究提出了一种新颖的因果机器学习框架，用于准确估计高速公路不同类型车祸对交通速度的因果效应，该框架基于尼曼 - 鲁宾因果模型、条件 Shapley 值指数和结构因果模型，并结合双重稳健学习方法估算治疗效果。实验结果表明在不同的距离和持续时
PDF6 months ago
AAAI基于高斯过程的部分线性模型实现异质治疗效应估计的不确定性量化
提出了一种贝叶斯推断框架来量化治疗效果估计的不确定性，支持在相对较小的样本量条件下进行决策，该方法在小样本量设置中能够准确估计异质治疗效应并有效量化其估计不确定性。
PDF7 months ago
使用分数阶因子实验设计的企业政策实验：关于 DoorDash 的消费者保留
本文研究了通过将商业政策进行因子分解并采用分数阶乘实验设计来加快商业决策速度和降低学习成本的方法，详细阐述了该方法与异质处理效应估计的进展如何相结合，以及其优势与基本假设。我们通过实证研究验证了该方法的实施和效益，并在美国最大的送货平台 D
PDF8 months ago
基于正则化和聚类的联合分配森林进行个性化分配至多个治疗方案
从随机对照试验中学习个性化分配，并通过正则化和聚类方案优化治疗分配以实现个性化效果。
PDF8 months ago
机器学习指导谁：学生财政援助续期上的因果对比预测指向的实地试验
通过使用‘鼓励’（nudges）来推动大学生在截止日期前更新财政援助申请，当研究者通过异质性治疗效应估计再将学生指派给相应的治疗组时，下一步通过衡量低预测概率及高预测概率的学生对于应用的回归效果，从而验证多种指标中通过靶向中间预线性结果是最
PDF9 months ago
因果规则学习：通过加权因果规则提升对异质化治疗效果的理解
我们提出了因果规则学习方法，用于估计和增强对异质性治疗效应的理解，通过解答一个被以前研究忽略的问题，即一个个体是否同时属于多个具有不同平均治疗效应的组。模拟和真实数据分析证明了因果规则学习在复杂的地面真实情况和充足样本量时对异质性治疗效应的
PDF9 months ago
公平且健壮的异质性处理效应评估用于政策学习
本研究提出了一种简单且通用的非参数估计框架，用于在公平性约束下估计异质性处理效应，该方法在标准正则条件下展现出双重鲁棒性质，通过评估方法，我们确定了公平和最大福利之间的权衡，并用实际案例展示了我们的方法。
PDFa year ago
结合观察和随机数据估计异质性治疗效应
本文提出了一种利用混合大量的观测数据和少量随机数据通过表示学习来估计异质化治疗效果的框架，成功设计了一个名为 CorNet 的样本高效算法，并通过多个真实世界数据集展示了该方法优于现有方法的效果。
PDF2 years ago
从时间事件数据中学习异质性治疗效应的 SurvITE 模型
本文研究了从时事件数据中推断异质性处理效应的问题，主要关注学习（离散时间）处理特定条件风险函数，并提出了一种基于平衡表示的新型深度学习方法来解决来自各种来源的协变量偏移问题。
PDF3 years ago
ICML关于在忽略性假设下，条件平均治疗效应（CATE）和个体治疗效应（ITE）的区别
本文指出在忽略性假设下，个体效应的估计可能需要附加假设，并且这些效应更确切地描述为条件平均处理效应，混淆这两种效应可能会阻碍个性化效应估计的进展。
PDF3 years ago
ICML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。
PDF3 years ago
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。
PDF5 years ago