BriefGPT.xyz
Ask
alpha
关键词
hidden confounding
搜索结果 - 5
因果回归的泛化界限:见解、保证和敏感性分析
基于泛化界限的理论,我们提出了一种基于改变度量不等式的全新方法,能够紧密地将模型损失与人口中治疗倾向的偏差联系起来,并证明其在有限样本上的有效性,即使在隐性混杂因素和阳性违反的情况下也能成立。我们在半合成和实际数据上验证了我们的界限,展示了
→
PDF
2 months ago
增强控制功能
通过建立机器学习中的分布泛化与计量经济学中的联立方程模型和控制函数之间的新连接,本研究旨在解决在存在未观测混淆时,训练数据和测试数据不同时的预测问题。我们提出了用于分布泛化的联立方程模型,并引入了增强控制函数(BCF)作为推断目标来成功预测
→
PDF
9 months ago
非可识别隐藏混淆条件下的德尔菲离线强化学习
本文提出了解决 offline reinforcement learning 中的隐蔽性混杂效应问题的方法,借助与观察相容的世界模型的不同处理,提出了 delphic 不确定性问题,试图减少混杂偏差和提高 offline RL 算法的实际效
→
PDF
a year ago
摊销因果发现:从时间序列数据中学习推断因果图
提出了一种基于共享动态的时序数据因果发现新框架,能够通过一个单一的学习模型有效识别不同样本之间的因果关系,从而在因果发现性能等方面取得了显著的提升,并可处理噪声和隐藏混淆等问题。
PDF
4 years ago
通过实验基础消除隐蔽混杂因素
本研究介绍了一种新方法,使用实验数据来纠正更大的观测数据的因果效应模型中的隐藏混淆,证明了该方法的可行性,并使用一项大型教育实验中的真实数据证明了该方法的有效性。
PDF
6 years ago
Prev
Next