論文の概要: Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves

• arxiv url: http://arxiv.org/abs/2111.03950v4
• Date: Wed, 19 Jul 2023 20:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-21 19:28:24.553654
• Title: Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves
• Title（参考訳）: 経時的及び経時的線量応答曲線に対する逐次カーネル埋め込み
• Authors: Rahul Singh, Liyuan Xu, Arthur Gretton
• Abstract要約: 本稿では,カーネルリッジ回帰に基づく媒介および時間変化量応答曲線に対する簡易な非パラメトリック推定器を提案する。 我々の重要な革新は、シーケンシャルカーネル埋め込みと呼ばれるヒルベルト空間の再現技術である。
• 参考スコア（独自算出の注目度）: 26.880628841819004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose simple nonparametric estimators for mediated and time-varying dose response curves based on kernel ridge regression. By embedding Pearl's mediation formula and Robins' g-formula with kernels, we allow treatments, mediators, and covariates to be continuous in general spaces, and also allow for nonlinear treatment-confounder feedback. Our key innovation is a reproducing kernel Hilbert space technique called sequential kernel embedding, which we use to construct simple estimators for complex causal estimands. Our estimators preserve the generality of classic identification while also achieving nonasymptotic uniform rates. In nonlinear simulations with many covariates, we demonstrate strong performance. We estimate mediated and time-varying dose response curves of the US Job Corps, and clean data that may serve as a benchmark in future work. We extend our results to mediated and time-varying treatment effects and counterfactual distributions, verifying semiparametric efficiency and weak convergence.
• Abstract（参考訳）: 本稿では,カーネルリッジ回帰に基づく媒介および時間変化量応答曲線に対する簡易な非パラメトリック推定器を提案する。 パールの仲介公式とロビンズのg-形式をカーネルに埋め込むことにより、治療、仲介者、共変量体が一般空間で連続することを可能にし、非線形な処理共起フィードバックを可能にする。 我々の重要な革新は、シーケンシャルカーネル埋め込みと呼ばれる再現カーネルヒルベルト空間技術であり、複雑な因果推定のための単純な推定器を構築するために使用される。 我々の推定値は古典的識別の一般性を維持しつつ、非漸近的一様率も達成している。 多くの共変量を持つ非線形シミュレーションでは,強い性能を示す。 我々は,米国の職域における被曝線量反応曲線と時間変化線量応答曲線を推定し,将来の作業の指標となるようなクリーンなデータを推定する。 我々は, 半パラメトリック効率と弱い収束性を検証することで, 治療効果と偽物分布に効果を及ぼした。

関連論文リスト

• Generalization in Kernel Regression Under Realistic Assumptions [41.345620270267446]
  共通カーネルや任意の正規化、ノイズ、任意の入力次元、サンプル数に対して厳密な境界を提供する。 以上の結果から,高入力次元における過剰適合,固定次元におけるほぼ誘電過剰適合,正規化回帰に対する明示的な収束率が示唆された。 副産物として、カーネルシステムで訓練されたニューラルネットワークの時間依存境界を得る。
  論文  参考訳（メタデータ） (2023-12-26T10:55:20Z)
• Solving Kernel Ridge Regression with Gradient Descent for a Non-Constant Kernel [1.5229257192293204]
  カーネルリッジ回帰(カーネルリッジ回帰、英: Kernel ridge regression、KRR)は、データでは非線形であるがパラメータでは線形である線形リッジ回帰の一般化である。 反復的アプローチを用いることで、トレーニング中にカーネルを変更することができる。 本稿では,トランスレーショナル不変カーネルの帯域幅の更新方式を提案する。
  論文  参考訳（メタデータ） (2023-11-03T07:43:53Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Nonparametric estimation of a covariate-adjusted counterfactual treatment regimen response curve [2.7446241148152253]
  治療体制下での平均結果を柔軟に推定することは、パーソナライズされた医療にとって重要なステップである。 本研究では,スムーズな規則応答曲線関数の逆確率重み付き非パラメトリック効率推定器を提案する。 いくつかの有限サンプル特性はシミュレーションによって探索される。
  論文  参考訳（メタデータ） (2023-09-28T01:46:24Z)
• Curvature-Independent Last-Iterate Convergence for Games on Riemannian Manifolds [77.4346324549323]
  本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。 我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
  既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。 データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。 ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
  論文  参考訳（メタデータ） (2022-11-02T16:39:42Z)
• Adversarial Estimation of Riesz Representers [21.510036777607397]
  一般関数空間を用いてRiesz表現子を推定する逆フレームワークを提案する。 臨界半径(Critical radius)と呼ばれる抽象的な量で非漸近平均平方レートを証明し、ニューラルネットワーク、ランダムな森林、カーネルヒルベルト空間を主要なケースとして再現する。
  論文  参考訳（メタデータ） (2020-12-30T19:46:57Z)
• Kernel Methods for Causal Functions: Dose, Heterogeneous, and Incremental Response Curves [26.880628841819004]
  我々は、一般化されたカーネルリッジ回帰のオリジナル解析により、改良された有限標本率と一様整合性を証明した。 本研究は,本研究の主な成果を,前部および後部ドア基準で同定した反事実分布と因果関数に拡張する。
  論文  参考訳（メタデータ） (2020-10-10T00:53:11Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。