論文の概要: Estimating Individual Treatment Effects using Non-Parametric Regression
Models: a Review
- arxiv url: http://arxiv.org/abs/2009.06472v6
- Date: Tue, 23 Nov 2021 16:08:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 12:09:08.441014
- Title: Estimating Individual Treatment Effects using Non-Parametric Regression
Models: a Review
- Title（参考訳）: 非パラメトリック回帰モデルを用いた個別治療効果の推定
- Authors: Alberto Caron, Gianluca Baio and Ioanna Manolopoulou
- Abstract要約: 本稿では、観測データや非完全ランダム化データを用いて因果推論を行う際の設定と課題を紹介する。
我々は、個々の治療効果を推定できる既存の最先端フレームワークの統一分類法を開発する。
本研究は,学校給食プログラムデータの実証分析に,いくつかの方法を用いることで,結論を導いた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large observational data are increasingly available in disciplines such as
health, economic and social sciences, where researchers are interested in
causal questions rather than prediction. In this paper, we examine the problem
of estimating heterogeneous treatment effects using non-parametric
regression-based methods, starting from an empirical study aimed at
investigating the effect of participation in school meal programs on health
indicators. Firstly, we introduce the setup and the issues related to
conducting causal inference with observational or non-fully randomized data,
and how these issues can be tackled with the help of statistical learning
tools. Then, we review and develop a unifying taxonomy of the existing
state-of-the-art frameworks that allow for individual treatment effects
estimation via non-parametric regression models. After presenting a brief
overview on the problem of model selection, we illustrate the performance of
some of the methods on three different simulated studies. We conclude by
demonstrating the use of some of the methods on an empirical analysis of the
school meal program data.
- Abstract（参考訳）: 大規模な観測データは、健康、経済、社会科学などの分野で利用され、研究者は予測よりも因果的な問題に関心を持っている。
本稿では,学校給食プログラムへの参加が健康指標に及ぼす影響を実証的に検討することから,非パラメトリック回帰法を用いて不均一な治療効果を推定する問題を考察する。
まず,観察的あるいは非ランダムなデータを用いた因果推論の実施に関する設定と課題と,これらの問題を統計的学習ツールの助けを借りてどのように取り組めるかを紹介する。
次に,非パラメトリック回帰モデルによる個々の治療効果推定を可能にする既存の最先端フレームワークの統一分類法をレビュー・開発する。
モデル選択問題に関する簡単な概要を述べるとともに、3つの異なるシミュレーション研究におけるいくつかの手法の性能について述べる。
本研究は,学校給食プログラムデータの実証分析に,いくつかの方法を用いることで結論付ける。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。
提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。
その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - Data-Driven Estimation of Heterogeneous Treatment Effects [15.140272661540655]
異種治療効果推定(ヘテロジニアス・エフェクト・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント)は、経験科学において重要な問題である。
機械学習を用いた不均一な処理効果推定のための最先端データ駆動手法について調査する。
論文 参考訳（メタデータ） (2023-01-16T21:36:49Z) - Adversarial De-confounding in Individualised Treatment Effects
Estimation [7.443477084710185]
De-confoundingは、観察研究における個別化処理効果推定の根本的な問題である。
本稿では, ITE推定のための2値処理設定において, 共創者のバランスをとるために, 対角的訓練を伴う非交叉表現を提案する。
論文 参考訳（メタデータ） (2022-10-19T13:11:33Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - ADCB: An Alzheimer's disease benchmark for evaluating observational
estimators of causal effects [8.550140109387467]
本稿では,医療データの複雑度をモデル化することを目的としたアルツハイマー病のシミュレータを提案する。
シミュレータは、因果推論タスクの性質と難易度を変更するパラメータを含む。
シミュレーションを用いて, 平均的および条件的処理効果の推定値を比較する。
論文 参考訳（メタデータ） (2021-11-12T16:43:14Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - A unified survey of treatment effect heterogeneity modeling and uplift
modeling [24.803992990503186]
近年,個々人の異なる特徴に基づいて不均一な治療効果を推定する必要性が高まっている。
ニーズを満たすため、異なるコミュニティの研究者や実践者がアルゴリズムを開発した。
我々は、潜在的な結果フレームワークの下で、これら2つの非連結であるように見えるが、密接に関連するアプローチを統一的に調査する。
論文 参考訳（メタデータ） (2020-07-14T02:16:02Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。