論文の概要: \beta-Intact-VAE: Identifying and Estimating Causal Effects under Limited Overlap

• arxiv url: http://arxiv.org/abs/2110.05225v1
• Date: Mon, 11 Oct 2021 12:43:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 16:41:39.184385
• Title: \beta-Intact-VAE: Identifying and Estimating Causal Effects under Limited Overlap
• Title（参考訳）: \beta-Intact-VAE:限定オーバーラップによる因果関係の同定と推定
• Authors: Pengzhou Wu and Kenji Fukumizu
• Abstract要約: 生体統計学において広く用いられ,治療効果に十分である予後スコアをモデル化するために潜伏変数を用いる。 本研究では,潜伏変数が予後スコアを回復し,個々の治療効果を同定する。 個別化特徴量で条件付き処理グループにバランスのとれた表現を可能にするTEエラー境界を導出する。
• 参考スコア（独自算出の注目度）: 21.33872753593482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an important problem in causal inference, we discuss the identification and estimation of treatment effects (TEs) under limited overlap; that is, when subjects with certain features belong to a single treatment group. We use a latent variable to model a prognostic score which is widely used in biostatistics and sufficient for TEs; i.e., we build a generative prognostic model. We prove that the latent variable recovers a prognostic score, and the model identifies individualized treatment effects. The model is then learned as \beta-Intact-VAE--a new type of variational autoencoder (VAE). We derive the TE error bounds that enable representations balanced for treatment groups conditioned on individualized features. The proposed method is compared with recent methods using (semi-)synthetic datasets.
• Abstract（参考訳）: 因果推論における重要な問題として,特定の特徴を有する被験者が1つの治療群に属する場合に,治療効果(TE)の同定と推定について検討した。 我々は, 生命統計学において広く用いられ, tesに十分である予後スコアのモデル化に潜在変数を用いる。 潜在変数が予後スコアを回復し、モデルが個別化された治療効果を識別することを示す。 このモデルは \beta-intact-vae--新しいタイプの変分オートエンコーダ(vae)として学習される。 個別化特徴量で条件付き処理グループにバランスのとれた表現を可能にするTEエラー境界を導出する。 提案手法は, 半合成データセットを用いた最近の手法と比較する。

関連論文リスト

• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Counterfactual Data Augmentation with Contrastive Learning [27.28511396131235]
  本稿では,選択したサブセットに対して,結果に反する結果をもたらすモデルに依存しないデータ拡張手法を提案する。 我々は、比較学習を用いて表現空間と類似度尺度を学習し、学習された類似度尺度で同定された個人に近い学習空間において、同様の潜在的な結果が得られるようにした。 この性質は、代替治療群から近接した近縁者に対する対実的な結果の信頼性の高い計算を保証する。
  論文  参考訳（メタデータ） (2023-11-07T00:36:51Z)
• Partial Identification of Treatment Effects with Implicit Generative Models [20.711877803169134]
  暗黙的生成モデルを用いた一般的な因果グラフにおける平均治療効果(ATE)の部分的同定法を提案する。 線形構造因果モデルにおいて,我々のアルゴリズムは ATE 上の厳密な境界に収束することを示す。
  論文  参考訳（メタデータ） (2022-10-14T22:18:00Z)
• Heterogeneous Treatment Effect Estimation for Observational Data using Model-based Forests [0.0]
  本研究では,観測データにおける不整合問題に対処するため,モデルに基づく森林の修正を提案する。 この戦略は,様々な結果分布を模擬した実験において,コンバウンディング効果を低減させることがわかった。 筋萎縮性側索硬化症の進行に対するリルゾールの潜在的ヘテロジニアス効果を評価することにより,HTEの生存率と経時的成績を推定する実践的側面を示す。
  論文  参考訳（メタデータ） (2022-10-06T11:49:39Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• 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)
• Towards Principled Causal Effect Estimation by Deep Identifiable Models [21.33872753593482]
  本研究では, 未観測条件下での処理効果 (TE) の推定について検討する。 本稿では,変分オートエンコーダ(VAE)の新たな変種であるIntact-VAEを提案する。
  論文  参考訳（メタデータ） (2021-09-30T12:19:45Z)
• 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)
• Selecting Treatment Effects Models for Domain Adaptation Using Causal Knowledge [82.5462771088607]
  監視されていないドメイン適応設定下でITE法用に特別に設計された新しいモデル選択メトリックを提案する。 特に,介入効果の予測が対象領域の既知の因果構造を満たすモデルを選択することを提案する。
  論文  参考訳（メタデータ） (2021-02-11T21:03:14Z)
• Intact-VAE: Estimating Treatment Effects under Unobserved Confounding [21.33872753593482]
  Intact-VAEは、治療効果の特定に十分である予後スコアに動機づけられた新しいバリエーションの可変オートエンコーダ(VAE)である。 理論的には,ある条件下では治療効果をモデルによって同定し,さらに,モデルの識別性に基づいて,vaeは治療群に対してバランスの取れた一貫した推定器であることを示した。
  論文  参考訳（メタデータ） (2021-01-17T13:03:44Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)

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。