論文の概要: Necessary and sufficient conditions for optimal adjustment sets in causal graphical models with hidden variables

• arxiv url: http://arxiv.org/abs/2102.10324v1
• Date: Sat, 20 Feb 2021 12:25:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-24 17:03:18.259119
• Title: Necessary and sufficient conditions for optimal adjustment sets in causal graphical models with hidden variables
• Title（参考訳）: 隠れ変数を持つ因果グラフィカルモデルにおける最適調整セットに必要な十分条件
• Authors: Jakob Runge
• Abstract要約: 本稿では,他の調整集合と比較して最小の分散を達成するための最適性を定義する。 それは原因、効果、調整セットおよび条件付き変数間の相互情報に基づく情報理論のアプローチによって特徴付けられます。 結果は、分散が特定の情報理論分解を認めている推定値のクラスに対して有効である。
• 参考スコア（独自算出の注目度）: 8.934497552812012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem of selecting optimal valid backdoor adjustment sets to estimate total causal effects in graphical models with hidden and conditioned variables is addressed. Previous work has defined optimality as achieving the smallest asymptotic variance compared to other adjustment sets and identified a graphical criterion for an optimal set for the case without hidden variables. For the case with hidden variables currently a sufficient graphical criterion and a corresponding construction algorithm exists. Here optimality is characterized by an information-theoretic approach based on the mutual informations among cause, effect, adjustment set, and conditioned variables. This characterization allows to derive the main contributions of this paper: A necessary and sufficient graphical criterion for the existence of an optimal adjustment set and an algorithm to construct it. The results are valid for a class of estimators whose variance admits a certain information-theoretic decomposition.
• Abstract（参考訳）: 隠れ変数および条件変数を持つグラフィカルモデルにおける総因果効果を推定するために最適な有効バックドア調整セットを選択する問題に対処する。 以前の研究では、最適性は他の調整集合と比較して最小の漸近分散を達成し、隠れた変数を持たない場合の最適集合のグラフィカルな基準を特定した。 隠れた変数の場合、現在十分なグラフィカルな基準と対応する構成アルゴリズムが存在する。 ここでの最適性は、原因、効果、調整セット、条件付き変数の相互情報に基づく情報理論的アプローチによって特徴づけられる。 このキャラクタリゼーションにより、本論文の主な貢献を導出することができる:最適な調整集合が存在するための必要十分十分なグラフィカルな基準とそれを構成するアルゴリズムである。 結果は、分散が特定の情報理論分解を認めている推定値のクラスに対して有効である。

関連論文リスト

• Probabilistic Approach to Black-Box Binary Optimization with Budget Constraints: Application to Sensor Placement [0.0]
  ブラックボックスの目的関数と予算制約による二項最適化問題に対する完全確率的アプローチを提案する。 本研究では、非零成分の総数で条件付けられた確率変数をモデル化する条件付きベルヌーイ分布を開発する。 このアプローチは一般に、非確率的ブラックボックス目的関数と予算制約を持つバイナリ最適化問題に適用できる。
  論文  参考訳（メタデータ） (2024-06-09T15:37:28Z)
• Optimize-via-Predict: Realizing out-of-sample optimality in data-driven optimization [0.0]
  本稿では,データ駆動最適化の定式化について検討する。 我々は、規範的なソリューションを、そのようなデータセットを意思決定にマッピングする意思決定者ルールとして定義する。 本稿では,このようなサンプル外最適解に対して,サンプリングアルゴリズムと2分割探索アルゴリズムを組み合わせることで効率よく解ける最適化問題を提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:48:50Z)
• Optimal Algorithms for Mean Estimation under Local Differential Privacy [55.32262879188817]
  そこで本研究では,PrivUnitが局所的プライベートな乱数化器群間の最適分散を実現することを示す。 また,ガウス分布に基づくPrivUnitの新たな変種も開発しており,数学的解析に適しており,同じ最適性保証を享受できる。
  論文  参考訳（メタデータ） (2022-05-05T06:43:46Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)
• A note on efficient minimum cost adjustment sets in causal graphical models [5.33024001730262]
  個別化処理ルールの下で,介入平均を推定するための調整セットの選択について検討した。 この設定では、最小コスト最適の調整セットが存在することを示す。 timaladj Pythonパッケージは、本稿で導入されたアルゴリズムを実装している。
  論文  参考訳（メタデータ） (2022-01-06T13:05:47Z)
• Online Calibrated and Conformal Prediction Improves Bayesian Optimization [10.470326550507117]
  本稿では,モデルに基づく意思決定やベイズ最適化における不確実性について検討する。 しかし、キャリブレーションの維持は、データが定常的ではなく、我々の行動に依存する場合、困難である。 我々は、オンライン学習に基づく簡単なアルゴリズムを用いて、非i.d.データのキャリブレーションを確実に維持することを提案する。
  論文  参考訳（メタデータ） (2021-12-08T23:26:23Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)
• A Framework for Sample Efficient Interval Estimation with Control Variates [94.32811054797148]
  確率変数の平均に対して信頼区間を推定する問題を考察する。 ある条件下では、既存の推定アルゴリズムと比較して効率が向上している。
  論文  参考訳（メタデータ） (2020-06-18T05:42:30Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• Efficient adjustment sets in causal graphical models with hidden variables [4.468952886990851]
  最適極小(最小限)の調整集合が存在することを示す。 我々は、グローバルに最適(存在する場合)、最適極小、最適極小調整セットを計算するための時間アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-04-22T12:22:01Z)

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。