論文の概要: Operationalizing Complex Causes: A Pragmatic View of Mediation
- arxiv url: http://arxiv.org/abs/2106.05074v2
- Date: Thu, 10 Jun 2021 17:55:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-13 05:08:18.492777
- Title: Operationalizing Complex Causes: A Pragmatic View of Mediation
- Title（参考訳）: 複雑な原因の操作:調停の実用的見方
- Authors: Limor Gultchin, David S. Watson, Matt J. Kusner, Ricardo Silva
- Abstract要約: 複素対象に対する因果応答推定の問題点について検討する。
本稿では,粗利介入の因果反応を予測するための2段階の手法を提案する。
我々は,新たな治療体制の限られたデータを用いて,原油介入の効果を効率的に推定することができることを実証した。
- 参考スコア（独自算出の注目度）: 23.47541183179271
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We examine the problem of causal response estimation for complex objects
(e.g., text, images, genomics). In this setting, classical \emph{atomic}
interventions are often not available (e.g., changes to characters, pixels, DNA
base-pairs). Instead, we only have access to indirect or \emph{crude}
interventions (e.g., enrolling in a writing program, modifying a scene,
applying a gene therapy). In this work, we formalize this problem and provide
an initial solution. Given a collection of candidate mediators, we propose (a)
a two-step method for predicting the causal responses of crude interventions;
and (b) a testing procedure to identify mediators of crude interventions. We
demonstrate, on a range of simulated and real-world-inspired examples, that our
approach allows us to efficiently estimate the effect of crude interventions
with limited data from new treatment regimes.
- Abstract（参考訳）: 複雑な対象(テキスト,画像,ゲノムなど)に対する因果応答推定の問題について検討する。
この設定では、古典的な \emph{atomic} の介入がしばしば利用できない(例えば、文字、ピクセル、DNA塩基対)。
代わりに、間接的な介入や\emph{crude}介入(例えば、書き込みプログラムへの登録、シーンの変更、遺伝子治療の適用など)しかアクセスできません。
本研究では,この問題を形式化し,初期解を提供する。
候補媒介者の収集を前提として、(a)粗介入の因果反応を予測するための2段階の方法、(b)粗介入の媒介者を特定するための試験手順を提案する。
シミュレーションと実世界のインスパイアされた実例を用いて, 新たな治療体制の限られたデータを用いて, 粗介入の効果を効率的に推定できることを実証した。
関連論文リスト
- Causal Inference with Complex Treatments: A Survey [34.653398789722104]
因果推論は、統計学、マーケティング、医療、教育など様々な分野における説明分析と意思決定において重要な役割を果たしている。
本稿では,複雑な治療について言及し,それに対応する因果推論手法を体系的・包括的に検討する。
論文 参考訳（メタデータ） (2024-07-19T04:46:58Z) - Causal Discovery under Off-Target Interventions [18.92683981229985]
因果グラフ発見は様々な分野の応用において重要な問題である。
本研究は,介入数の最小化を目標とした介入設定の下での因果発見問題に対処する。
論文 参考訳（メタデータ） (2024-02-13T05:43:49Z) - Bayesian causal discovery from unknown general interventions [55.2480439325792]
本稿では,観測データと介入実験データを組み合わせたDAG(Cousal Directed Acyclic Graphs)の学習問題について考察する。
我々は,DAG,介入対象,誘導親集合上の後続分布を近似するマルコフ連鎖モンテカルロスキームを開発した。
論文 参考訳（メタデータ） (2023-12-01T11:30:51Z) - Application-driven Validation of Posteriors in Inverse Problems [11.297855715642141]
逆問題における後続手法のアプリケーション駆動型検証のための最初の体系的枠組みを提案する。
モードをインスタンスとして扱うことで、アプリケーションの観点からよく解釈可能なメトリクスを使用して、モード中心のバリデーションを実行できます。
論文 参考訳（メタデータ） (2023-09-18T13:44:36Z) - Neighborhood Adaptive Estimators for Causal Inference under Network
Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。
干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。
このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文 参考訳（メタデータ） (2022-12-07T14:53:47Z) - Generalization bounds and algorithms for estimating conditional average
treatment effect of dosage [13.867315751451494]
本研究では,治療薬対の条件付き平均因果効果を観測データと仮定の組み合わせで推定する作業について検討した。
これは疫学や経済学など、意思決定のために治療薬対を必要とする分野における長年にわたる課題である。
この問題に対するいくつかのベンチマークデータセットに対して、実証的に新しい最先端のパフォーマンス結果を示す。
論文 参考訳（メタデータ） (2022-05-29T15:26:59Z) - Differentiable Causal Discovery Under Latent Interventions [3.867363075280544]
最近の研究は、介入した変数が未知であっても、勾配に基づく手法による介入データを活用することにより因果発見の有望な結果を示している。
複数の介入分布と1つの観察分布からサンプリングされた広範囲なデータセットを用いたシナリオを想定するが、どの分布がそれぞれのサンプルに由来するのか、どのように介入がシステムに影響を及ぼすのかはわからない。
本稿では、ニューラルネットワークと変分推論に基づいて、無限混合物間の共用因果グラフを学習することで、このシナリオに対処する手法を提案する。
論文 参考訳（メタデータ） (2022-03-04T14:21:28Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳（メタデータ） (2021-11-15T03:16:56Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Almost-Matching-Exactly for Treatment Effect Estimation under Network
Interference [73.23326654892963]
本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。
本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
論文 参考訳（メタデータ） (2020-03-02T15:21:20Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。