論文の概要: Conditional Distributional Treatment Effect with Kernel Conditional Mean Embeddings and U-Statistic Regression

• arxiv url: http://arxiv.org/abs/2102.08208v1
• Date: Tue, 16 Feb 2021 15:09:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-17 15:16:44.521492
• Title: Conditional Distributional Treatment Effect with Kernel Conditional Mean Embeddings and U-Statistic Regression
• Title（参考訳）: Kernel Conditional Mean EmbeddingsとU-Statistic Regressionを用いた条件分布処理効果
• Authors: Junhyung Park and Uri Shalit and Bernhard Sch\"olkopf and Krikamol Muandet
• Abstract要約: 条件付き分布処理効果(CoDiTE) CoDiTEは平均を超える治療の分布側面を符号化する。 合成,半合成,実データに関する実験は,このアプローチのメリットを示している。
• 参考スコア（独自算出の注目度）: 20.544239209511982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose to analyse the conditional distributional treatment effect (CoDiTE), which, in contrast to the more common conditional average treatment effect (CATE), is designed to encode a treatment's distributional aspects beyond the mean. We first introduce a formal definition of the CoDiTE associated with a distance function between probability measures. Then we discuss the CoDiTE associated with the maximum mean discrepancy via kernel conditional mean embeddings, which, coupled with a hypothesis test, tells us whether there is any conditional distributional effect of the treatment. Finally, we investigate what kind of conditional distributional effect the treatment has, both in an exploratory manner via the conditional witness function, and in a quantitative manner via U-statistic regression, generalising the CATE to higher-order moments. Experiments on synthetic, semi-synthetic and real datasets demonstrate the merits of our approach.
• Abstract（参考訳）: より一般的なコンディショナリー平均治療効果(CATE)とは対照的に、平均を超えて治療の分布面を符号化するように設計されたコンディショナリー分布処理効果(CoDiTE)を解析することを提案する。 まず,確率測度間の距離関数に関連するCoDiTEの形式的定義を導入する。 次に, 核条件付平均埋め込みによる最大平均偏差に関連するコダイトについて検討し, 仮説テストと合わせて, 治療の条件付分布効果があるかどうかを考察した。 最後に,CATEを高次モーメントに一般化して,条件付き目撃機能による探索的方法とU統計的回帰による定量的方法の両方において,治療がどのような条件分布効果をもたらすかを検討する。 合成,半合成,実データに関する実験は,このアプローチのメリットを示している。

関連論文リスト

• Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
  観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。 このような手順の平均二乗誤差に対して非漸近上界を証明した。 非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
  論文  参考訳（メタデータ） (2022-09-26T23:50:55Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Estimating Conditional Average Treatment Effects with Missing Treatment Information [20.83151214072516]
  治療情報不足時に条件平均治療効果(CATE)を推定することは困難である。 本稿では,欠損治療によるCATE推定について分析する。 我々は,新しいCATE推定アルゴリズムであるMTRNetを開発した。
  論文  参考訳（メタデータ） (2022-03-02T21:23:25Z)
• On Testability of the Front-Door Model via Verma Constraints [7.52579126252489]
  フロントドア基準は、測定されていない共同設立者にもかかわらず因果関係を識別し、計算するために用いられる。 主要な仮定 -- 結果に対する治療の効果を完全に媒介する変数の存在と、類似したコンバウンディングの問題に同時に苦しめられていない変数の存在は、しばしば許し難いものとみなされる。 補助変数を含む穏やかな条件下では, 一般等式制約により, フロントドアモデルに符号化された仮定を検証できることを示す。
  論文  参考訳（メタデータ） (2022-03-01T00:38:29Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)
• On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [60.523606291705214]
  一次関心の結果がほとんど観察されない場合, 治療効果を推定する問題について検討した。 平均治療効果(ATE)の半パラメトリック下限は,サロゲートの存在と非存在の両方で導かれる。 本稿では,フレキシブルな機械学習手法に基づくATE推定器と推論手法を提案し,ニュアンスパラメータを推定する。
  論文  参考訳（メタデータ） (2020-03-27T13:31:49Z)
• A Measure-Theoretic Approach to Kernel Conditional Mean Embeddings [14.71280987722701]
  条件付き平均埋め込みに対する演算子なし測度理論的アプローチを提案する。 我々は、経験的推定を得るために自然な回帰解釈を導出する。 自然副産物として、平均不一致とヒルベルト=シュミット独立基準の条件付き類似点を得る。
  論文  参考訳（メタデータ） (2020-02-10T12:44:12Z)

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。