- 在未观测到混淆下的公正审核
决策系统中的一个基本问题是在人口统计线上存在不公平问题。然而,不公平很难量化,尤其是当我们的公平概念依赖于难以衡量的风险时。在这篇论文中,我们展示了即使在存在未观测混杂的现实环境中,我们仍然可以给出高风险个体的分配率的有信息的界限。通过利用 - 因果潜在因子模型中的双重稳健推断
提出了一种在现代数据丰富的环境中估计未观察到的混杂影响下的平均处理效应的新框架,该框架具有大量的单位和结果。该提出的估计器具有双重鲁棒性,结合了结果填充、逆概率加权和用于矩阵补全的新型交叉拟合程序。我们推导出有限样本和渐近保证,并且证明新估 - 隐藏但可量化的:使用随机试验的混淆强度下界
在快节奏的精准医学时代,观察性研究在正确评估临床实践中的新治疗方法中起着重要作用。然而,未观察到的混杂因素可能会严重影响从非随机数据中得出的因果结论。我们提出了一种新的策略,利用随机试验来量化未观察到的混杂因素。首先,我们设计了一个统计检验 - 未观察到的混杂因素下的因果公平性:一种神经敏感性框架
现实中,由于法律、伦理和社会原因,对机器学习预测的公平性要求越来越高。尽管现有工作通常关注没有未观察到混淆的情况,但未观察到的混淆可能导致严重的因果公平性违规和不公平的预测。本研究分析了未观察到的混淆对因果公平性的敏感性,并提出了一个新的神 - 推广的因果敏感性分析的神经框架
本研究提出了一种神经框架 NeuralCSA,用于广义因果敏感性分析,通过学习条件归一化流来实现广义性,从而能够在不同的敏感性模型、不同的治疗类型以及多种因果查询中推断因果查询的有效界限。
- 广义因果敏感性分析的尖锐边界
本文提出了一个统一框架,用以解决在各种不同情况下发生未观测混淆的因果敏感度分析问题,包括(条件)平均处理效应、中介分析和路径分析的效应,以及分布效应,同时还提供了一个可伸缩的算法来估计我们从观测数据中所得到的尖锐界限。
- $\rho$-GNF : 一种在未观察到混淆因素下的新型灵敏度分析方法
本文提出一种结合 copulas 和 normalizing flows 用于因果推断的新敏感度分析模型,称为 $
ho$-GNF($
ho$-Graphical Normalizing Flow)。模型可估计和分析前向因果效应或平均因果效 - 深度代理因果学习及其在混淆赌博机策略评估中的应用
文章提出了深度特征代理变量法(DFPV),用于高维、非线性复杂关系的代理因变量条件下处理治疗对结果的因果效应和偏倚度量问题,并在高维图像数据和混淆赌徒问题的测试中,DFPV 表现优于最新的先进的 PCL 方法。
- DoWhy: 一种用于因果推断的端到端库
DoWhy 是一个开源的 Python 库,用因果图的形式来指定和测试因果关系的假设,支持四个因果分析步骤,并实现了多个对模型稳健性的检验方法,例如安慰剂测试 (placebo tests)、自助法检验 (bootstrap tests) - 具有(某些)无效工具的有效因果推断
本文提出一种方法,使用多个工具变量估计器计算最可能的因果效应,从而在不依赖于「排除假设」的情况下进行一致的工具变量估计。
- 针对未观察到的混淆因素的时序决策离线策略评估
研究探讨当评估策略的绩效受到未观察到的混淆因素的影响时,如何通过开发最坏情况下的绩效边界来保证 OPE 方法的健壮性,并提出了一种计算最坏情况下边界的高效损失最小化过程,在两个模拟的医疗保健示例中证明了该方法的有效性。
- 感知与敏感性分析:由未观测到的混杂因素引起偏差的简单事后分析
本文提出了一种感性分析工具 ——Austen Plots,用于解决由于观测数据中存在未观察的混淆变量导致的偏差问题,其可反映混淆变量对观测结果的强度。该工具不受初步数据分析方法的限制,可用于不同领域研究问题中的偏差评估。
- 无限时间序列强化学习中具有混淆鲁棒性的策略评估
通过数据策略辅助下的敏感性模型,我们开发了一种强健的方法,针对诸如教育和医疗等批量强化学习的应用中未被观察到的变量,估计了一个无限时间阶段内给定策略值的尖锐边界。我们证明,随着我们收集更多混淆数据,我们能够收敛于尖锐的边界。虽然检查集合成员 - 使用嵌入来校正网络中未观测到的混淆因素
通过使用社交网络链路结构连接成员的信息作为未观察混杂的代理,将因果估计问题降级为半监督预测,利用高质量的嵌入模型获得有效方法并在半合成社交网络数据集上实现验证。
- 混淆鲁棒政策改进
研究使用观察数据学习个性化决策策略时如何考虑可能的未观测混杂因素以及最小化候选策略的最坏估计后悔的方法和算法,以在保证安全和关注证据改进的前提下得到可靠的个性化治疗策略。
- 隐变量混淆的多重因果推断
本文提出了一个基于共享混杂物和独立治疗的多种治疗估计技术,并使用相互信息对混淆估计器进行正则化,同时使用独立于混淆物的治疗方法中的残留信息来恢复治疗效果,并在模拟和医学临床案例中进行了验证。