Fugu-MT 論文翻訳(概要): Causal Inference with the Instrumental Variable Approach and Bayesian Nonparametric Machine Learning

論文の概要: Causal Inference with the Instrumental Variable Approach and Bayesian Nonparametric Machine Learning

arxiv url: http://arxiv.org/abs/2102.01199v1
Date: Mon, 1 Feb 2021 21:55:19 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 01:11:49.397037
Title: Causal Inference with the Instrumental Variable Approach and Bayesian Nonparametric Machine Learning
Title（参考訳）: インストゥルメンタル変数アプローチとベイズ非パラメトリック機械学習による因果推論
Authors: Robert E. McCulloch, Rodney A. Sparapani, Brent R. Logan and Purushottam W. Laud
Abstract要約: インスツルメンタル変数モデルで推論するための新しいフレキシブルなフレームワークを提供する。機械学習を用いて,楽器や他の説明変数の効果を特徴付ける関数を推定する。真の関数が線型であるときはほとんど失われるが、非線形性が存在する場合、劇的な改善が得られることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We provide a new flexible framework for inference with the instrumental variable model. Rather than using linear specifications, functions characterizing the effects of instruments and other explanatory variables are estimated using machine learning via Bayesian Additive Regression Trees (BART). Error terms and their distribution are inferred using Dirichlet Process mixtures. Simulated and real examples show that when the true functions are linear, little is lost. But when nonlinearities are present, dramatic improvements are obtained with virtually no manual tuning.
Abstract（参考訳）: インスツルメンタル変数モデルで推論するための新しいフレキシブルなフレームワークを提供する。線形仕様を使用するのではなく、Bayesian Additive Regression Trees (BART)による機械学習を用いて、楽器や他の説明変数の効果を特徴付ける関数を推定する。誤差項とその分布はディリクレプロセス混合物を用いて推定される。シミュレーションおよび実例は、真の函数が線型であるとき、ほとんど失われないことを示している。しかし、非線形性が存在する場合、手動チューニングをほとんど行わずに劇的な改善が得られる。

関連論文リスト

Diffusion models for probabilistic programming [56.47577824219207]
拡散モデル変分推論(DMVI)は確率型プログラミング言語(PPL)における自動近似推論手法である DMVIは実装が容易で、例えば正規化フローを用いた変分推論の欠点を伴わずに、PPLでヘイズルフリー推論が可能であり、基礎となるニューラルネットワークモデルに制約を課さない。
論文参考訳（メタデータ） (2023-11-01T12:17:05Z)
Learning Curves for Noisy Heterogeneous Feature-Subsampled Ridge Ensembles [34.32021888691789]
雑音の多い最小二乗尾根アンサンブルにおける特徴バッグングの理論を開発する。サブサンプリングは線形予測器の2Dピークをシフトすることを示した。特徴サブサンプリングアンサンブルの性能を1つの線形予測器と比較する。
論文参考訳（メタデータ） (2023-07-06T17:56:06Z)
Boosting Differentiable Causal Discovery via Adaptive Sample Reweighting [62.23057729112182]
異なるスコアに基づく因果探索法は観測データから有向非巡回グラフを学習する。本稿では,Reweighted Score関数ReScoreの適応重みを動的に学習することにより因果発見性能を向上させるためのモデルに依存しないフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-06T14:49:59Z)
Laplacian Autoencoders for Learning Stochastic Representations [0.6999740786886537]
本稿では,非教師付き表現学習のためのベイズオートエンコーダを提案する。我々のラプラシアオートエンコーダは、潜在空間と出力空間の両方において、よく校正された不確かさを推定する。
論文参考訳（メタデータ） (2022-06-30T07:23:16Z)
Functional Nonlinear Learning [0.0]
低次元特徴空間における多変量関数データを表現する機能非線形学習法(FunNoL)を提案する。本研究では,FunNoLがデータ間隔によらず,良好な曲線分類と再構成を提供することを示す。
論文参考訳（メタデータ） (2022-06-22T23:47:45Z)
MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
論文参考訳（メタデータ） (2022-05-31T04:57:06Z)
Near-optimal Offline Reinforcement Learning with Linear Representation: Leveraging Variance Information with Pessimism [65.46524775457928]
オフライン強化学習は、オフライン/歴史的データを活用して、シーケンシャルな意思決定戦略を最適化しようとしている。線形モデル表現を用いたオフライン強化学習の統計的限界について検討する。
論文参考訳（メタデータ） (2022-03-11T09:00:12Z)
LQF: Linear Quadratic Fine-Tuning [114.3840147070712]
本稿では,非線形微調整に匹敵する性能を実現する事前学習モデルの線形化手法を提案する。 LQFはアーキテクチャの単純な変更、損失関数、そして一般的に分類に使用される最適化で構成されている。
論文参考訳（メタデータ） (2020-12-21T06:40:20Z)
Mostly Harmless Machine Learning: Learning Optimal Instruments in Linear IV Models [3.7599363231894176]
標準線形機器変数設定に機械学習を組み込むことを正当化する理論的結果を提供する。楽器から処理変数を予測するために,機械学習とサンプル分割を併用した。これにより、研究者は治療と器具の間の非線形な共変を抽出することができる。
論文参考訳（メタデータ） (2020-11-12T01:55:11Z)
Derivative-Based Koopman Operators for Real-Time Control of Robotic Systems [14.211417879279075]
本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
論文参考訳（メタデータ） (2020-10-12T15:15:13Z)
Non-parametric Models for Non-negative Functions [48.7576911714538]
同じ良い線形モデルから非負関数に対する最初のモデルを提供する。我々は、それが表現定理を認め、凸問題に対する効率的な二重定式化を提供することを証明した。
論文参考訳（メタデータ） (2020-07-08T07:17:28Z)

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。