Fugu-MT 論文翻訳(概要): Estimating Average Treatment Effects via Orthogonal Regularization

論文の概要: Estimating Average Treatment Effects via Orthogonal Regularization

arxiv url: http://arxiv.org/abs/2101.08490v1
Date: Thu, 21 Jan 2021 08:05:35 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 08:04:06.487417
Title: Estimating Average Treatment Effects via Orthogonal Regularization
Title（参考訳）: 直交正則化による平均治療効果の推定
Authors: Tobias Hatt, Stefan Feuerriegel
Abstract要約: 従来の方法は根拠のない結果に基づいて成果を見積もるが、根拠のない結果に課されるいかなる制約も無視する。非定常性を利用した平均治療効果を推定するための新しい正規化フレームワークを提案する。我々はDONUTが最先端技術を大幅に上回っていることを実証する。
参考スコア（独自算出の注目度）: 18.586616164230566
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Decision-making often requires accurate estimation of treatment effects from observational data. This is challenging as outcomes of alternative decisions are not observed and have to be estimated. Previous methods estimate outcomes based on unconfoundedness but neglect any constraints that unconfoundedness imposes on the outcomes. In this paper, we propose a novel regularization framework for estimating average treatment effects that exploits unconfoundedness. To this end, we formalize unconfoundedness as an orthogonality constraint, which ensures that the outcomes are orthogonal to the treatment assignment. This orthogonality constraint is then included in the loss function via a regularization. Based on our regularization framework, we develop deep orthogonal networks for unconfounded treatments (DONUT), which learn outcomes that are orthogonal to the treatment assignment. Using a variety of benchmark datasets for estimating average treatment effects, we demonstrate that DONUT outperforms the state-of-the-art substantially.
Abstract（参考訳）: 意思決定は、しばしば観測データから治療効果を正確に推定する必要がある。代替決定の結果は観察されず、見積もる必要があるため、これは難しいことです。従来の方法は根拠のない結果に基づいて成果を見積もるが、根拠のない結果に課されるいかなる制約も無視する。本稿では,不整合性を利用した平均治療効果を推定するための新しい正規化フレームワークを提案する。この目的のために, 既定性が直交性制約として定式化され, 結果が治療課題と直交することを保証する。この直交性制約は正規化によって損失関数に含まれる。正規化の枠組みに基づいて、治療課題に直交する結果を学習する未確立治療のための深層直交ネットワーク(DONUT)を開発した。平均治療効果を推定するために様々なベンチマークデータセットを用いて、DONUTが最先端の精度を大幅に上回ることを示した。