論文の概要: Causal Rule Ensemble: Interpretable Inference of Heterogeneous Treatment Effects

• arxiv url: http://arxiv.org/abs/2009.09036v3
• Date: Tue, 18 May 2021 20:28:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 03:25:08.984550
• Title: Causal Rule Ensemble: Interpretable Inference of Heterogeneous Treatment Effects
• Title（参考訳）: 因果規則:不均一な治療効果の解釈的推論
• Authors: Kwonsang Lee, Falco J. Bargagli-Stoffi, Francesca Dominici
• Abstract要約: 社会科学や健康科学では、治療が人口平均よりも明らかに大きいか小さい因果効果を持つ研究集団のサブグループを特定することが重要である。 最近の因果機械学習(ML)アプローチでは、個々のレベルで条件平均治療効果(CATE)を推定する。 1) 極めて不均一な処理効果を持つde novoサブグループ(因果規則)を発見し,2) 決定規則で定義されるため,これらのサブグループの解釈可能性を確保する,3) 新たに発見された各サブグループのバイアスが小さく,それぞれにCATEを推定する。
• 参考スコア（独自算出の注目度）: 1.76179873429447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In social and health sciences, it is critically important to identify subgroups of the study population where a treatment has a notably larger or smaller causal effect compared to the population average. In recent years, there have been many methodological developments for addressing heterogeneity of causal effects. A common approach is to estimate the conditional average treatment effect (CATE) given a pre-specified set of covariates. However, this approach does not allow to discover new subgroups. Recent causal machine learning (ML) approaches estimate the CATE at an individual level in presence of large number of observations and covariates with great accuracy. Nevertheless, the bulk of these ML approaches do not provide an interpretable characterization of the heterogeneous subgroups. In this paper, we propose a new Causal Rule Ensemble (CRE) method that: 1) discovers de novo subgroups with significantly heterogeneous treatment effects (causal rules); 2) ensures interpretability of these subgroups because they are defined in terms of decision rules; and 3) estimates the CATE for each of these newly discovered subgroups with small bias and high statistical precision. We provide theoretical results that guarantee consistency of the estimated causal effects for the newly discovered causal rules. A nice feature of CRE is that it is agnostic to the choices of the ML algorithms that can be used to discover the causal rules, and the estimation methods for the causal effects within the discovered causal rules. Via simulations, we show that the CRE method has competitive performance as compared to existing approaches while providing enhanced interpretability. We also introduce a new sensitivity analysis to unmeasured confounding bias. We apply the CRE method to discover subgroups that are more vulnerable to the causal effects of long-term exposure to air pollution on mortality.
• Abstract（参考訳）: 社会科学や健康科学では、治療が人口平均よりも明らかに大きいか小さい因果効果を持つ研究集団のサブグループを特定することが重要である。 近年,因果効果の不均一性に対処するための方法論開発が数多く行われている。 一般的なアプローチは、あらかじめ特定された共変量集合が与えられた条件平均処理効果(CATE)を推定することである。 しかし、このアプローチは新たな部分群を発見できない。 最近の因果機械学習(ML)アプローチでは、多数の観測や共変量が存在する場合、個々のレベルでCATEを推定する。 しかしながら、これらのMLアプローチの大部分は、異種部分群の解釈可能な特徴づけを提供していない。 本稿では,新しい因果ルールアンサンブル(CRE)法を提案する。 1) 著しく異質な治療効果を持つde novoサブグループ(causal rules)を発見する。 2)これらのサブグループの解釈性は,決定規則によって定義されるので保証する。 3) CATEは, 偏差が小さく, 統計的精度が高いこれらの新発見サブグループのそれぞれについて推定する。 新たに発見された因果規則に対する推定因果効果の整合性を保証する理論的結果を提供する。 CREの優れた特徴は、因果規則の発見に使用できるMLアルゴリズムの選択や、因果規則内の因果効果の推定方法に非依存である点である。 シミュレーションにより,cre手法は既存の手法に比べて性能が向上し,解釈性が向上することを示す。 また,未測定埋没バイアスに対する新しい感度解析も導入した。 CRE法を用いて,大気汚染の長期曝露による死亡率に対する因果的影響に弱いサブグループを同定する。

関連論文リスト

• Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
  我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。 我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。 我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Identifying latent disease factors differently expressed in patient subgroups using group factor analysis [54.67330718129736]
  本稿では,サブグループ特異的およびサブグループ共通潜在因子を明らかにするための新しいアプローチを提案する。 提案手法は,正規化されたホースシュー先行群を用いたスパース群因子解析 (GFA) であり,確率計画法を用いて実装した。
  論文  参考訳（メタデータ） (2024-10-10T13:12:14Z)
• Causal K-Means Clustering [5.087519744951637]
  Causal k-Means Clusteringは、広く使われているk-means Clusteringアルゴリズムを利用して、未知の部分群構造を明らかにする。 既成のアルゴリズムを用いて簡易かつ容易に実装可能なプラグイン推定器を提案する。 提案手法は,複数の治療レベルを有する近代的な結果研究に特に有用である。
  論文  参考訳（メタデータ） (2024-05-05T23:59:51Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• Augmented Learning of Heterogeneous Treatment Effects via Gradient Boosting Trees [0.2320417845168326]
  異種治療効果(HTE)を推定するための2段階統計学習手法を提案する。 第1段階は、結果に基づいてベースラインマーカーの主効果等価性を推定し、その後、HTEの第二段階推定において拡張項として使用される。 HTEの証拠を世界規模で評価するための置換試験が提案されている。
  論文  参考訳（メタデータ） (2023-02-02T19:10:04Z)
• Identifying Heterogeneous Treatment Effects in Multiple Outcomes using Joint Confidence Intervals [5.3410655248484]
  不均一治療効果(HTEs)はランダム化対照試験(RCTs)において一般的に同定される 共同CIに基づいて,複数の結果にまたがるサブグループを同定する枠組みを提案する。 我々は,2つの結果が存在する合成データと半合成データを用いて本アルゴリズムを検証し,両結果が同時にHTEを捕捉できることを実証した。
  論文  参考訳（メタデータ） (2022-12-02T20:43:47Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Modelling Heterogeneity Using Bayesian Structured Sparsity [0.0]
  観察間で異なる変数の効果を推定する方法は、政治科学において重要な問題です。 本稿では,複雑な現象(同様の現象を離散群に展開する観測)を回帰分析に組み込む共通の方法を提案する。
  論文  参考訳（メタデータ） (2021-03-29T19:54:25Z)
• Robust Recursive Partitioning for Heterogeneous Treatment Effects with Uncertainty Quantification [84.53697297858146]
  治療効果のサブグループ分析は、医療から公共政策、レコメンデーターシステムへの応用において重要な役割を担っている。 サブグループ分析の現在の手法のほとんどは、個別化処理効果(ITE)を推定するための特定のアルゴリズムから始まる。 本稿では、これらの弱点に対処する新しい部分群解析法R2Pを開発する。
  論文  参考訳（メタデータ） (2020-06-14T14:50:02Z)
• Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
  不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。 これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。 アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
  論文  参考訳（メタデータ） (2020-03-10T14:59:35Z)

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。