instrumental variable | BriefGPT

关键词instrumental variable

搜索结果 - 10

使用工具变量估计纵向数据中具有时间依赖潜在混杂因素的因果推断
提出了一种新的时间依赖仪器因子模型（TIFM）来从具有隐藏时间依赖混杂因素的数据中估计时变因果效应，并用循环神经网络（RNN）架构辅助推断潜在仪器变量以解决混淆偏差问题。
PDF7 months ago
KDD学习条件工具变量表示以进行因果效应估计
利用分离表示学习的优势，提出了一种名为 DVAE.CIV 的新方法，用于从具有潜在混淆因素的数据中学习和分离 CIV 和其条件集的表示，并进行因果效应估计。对合成和真实世界数据集的广泛实验结果表明，与现有的因果效应估计方法相比，所提出的 D
PDFa year ago
胸部 X 射线分类的仪器变量学习
使用可解释的工具变量（IV) 学习框架，将电子健康记录与深度学习模型相结合处理躯干 X 线图像，消除偏误关联并获得准确的因果表征，最终实现了较好的性能表现。
PDFa year ago
AAAI使用深度生成模型的条件工具因果推断
本文提出了一种基于深度生成模型的数据驱动方法，用于从含有潜在混淆因素的数据中学习条件工具变量及其调节集的信息表示，并实现平均因果效应估计。通过大量的合成和实际数据实验，证明该方法优于现有的 IV 方法。
PDF2 years ago
因果干预改善隐式情感分析
通过引入因果干预模型和工具变量方法所提出的因果干预隐含情感分析模型，消除了干扰性因素对句子情感之间的影响，从而提取出纯粹的因果效应，表明该模型在普遍隐含情感分析和基于方面的隐含情感分析任务中具有很大的优势和功效。
PDF2 years ago
从观测数据中发现祖先工具变量进行因果推断
本文提出一种基于部分祖先图的数据驱动算法用于发现有效的工具变量，并在合成数据和真实世界数据集上进行实验证明其对因果效应估计的准确性优于现有基于工具变量的因果效应估计方法。
PDF2 years ago
因果干预提升对抗视觉鲁棒性
通过因果干预的方式，使用多个视网膜中心数据增强和线性响应空间插值，促进模型学习因果特征而提高其抗干扰能力，并以此为基础设计了一种集成了 Causal intervention by instrumental Variable (CiiV)
PDF3 years ago
Ivy: 因果推断的工具变量合成
提出了一种新方法 Ivy，用于合并仪器变量候选项，以在处理相关和无效候选项时进行有效估算，与 allele scores 相比，该方法的实验结果表明更可靠、准确性更高。
PDF4 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
通过观测数据估计推荐系统的因果影响
本文提出了一种从观察数据中估计因果效应的方法，通过 Intrumental Variable 的方法，对 2.1 百万用户的 Amazon 浏览记录进行了分析，发现推荐系统尽管占据了很大一部分浏览产品的流量，但是最多只有 25% 的流量是因
PDF9 years ago