关键词treatment effect estimators
搜索结果 - 2
- 使用双机器学习方法结合实验和观测数据
本文提出了一种双机器学习方法,以结合实验和观测研究,让从业人员能够测试假设的违规情况并一致地估计治疗效果,进而测试外部效度和忽略的可接受性。然而,我们的无免费午餐定理强调了准确识别被违反的假设对于一致的治疗效果估计的必要性。我们在三个实际案 - EMNLP鲁棒文本分类中的虚假相关性识别
本文提出了一种区分文本分类器中误导性和真实关联的方法,将其作为监督分类问题,并利用来自治疗效应估计器的特征,通过特征选择的方法进行更加鲁棒的分类。经过在情感分类和毒性检测等四个数据集上的实验,表明这种方法提高了最坏情况下的准确性和更好的分类