論文の概要: A note on efficient minimum cost adjustment sets in causal graphical models

• arxiv url: http://arxiv.org/abs/2201.02037v1
• Date: Thu, 6 Jan 2022 13:05:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-07 14:38:16.479040
• Title: A note on efficient minimum cost adjustment sets in causal graphical models
• Title（参考訳）: 因果図形モデルにおける効率的な最小コスト調整セットに関する一考察
• Authors: Ezequiel Smucler and Andrea Rotnitzky
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.33024001730262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the selection of adjustment sets for estimating the interventional mean under an individualized treatment rule. We assume a non-parametric causal graphical model with, possibly, hidden variables and at least one adjustment set comprised of observable variables. Moreover, we assume that observable variables have positive costs associated with them. We define the cost of an observable adjustment set as the sum of the costs of the variables that comprise it. We show that in this setting there exist adjustment sets that are minimum cost optimal, in the sense that they yield non-parametric estimators of the interventional mean with the smallest asymptotic variance among those that control for observable adjustment sets that have minimum cost. Our results are based on the construction of a special flow network associated with the original causal graph. We show that a minimum cost optimal adjustment set can be found by computing a maximum flow on the network, and then finding the set of vertices that are reachable from the source by augmenting paths. The optimaladj Python package implements the algorithms introduced in this paper.
• Abstract（参考訳）: 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する。 可観測変数からなる隠れ変数と少なくとも1つの調整セットを持つ非パラメトリック因果的グラフィカルモデルと仮定する。 さらに、観測可能な変数はそれに関連する正のコストを持つと仮定する。 我々は、観測可能な調整セットのコストを、それを構成する変数のコストの和として定義する。 この設定では、最小コストの観測可能な調整セットを制御するものの中で、干渉平均の非パラメトリック推定器を最小の漸近差で生成するという意味で、最小コストの調整セットが存在することを示す。 本研究の結果は,元の因果グラフに付随する特別な流れネットワークの構築に基づいている。 本稿では,ネットワーク上の最大フローを計算し,経路を拡大することでソースから到達可能な頂点の集合を見つけることにより,最小コストの最適調整セットを見つけることができることを示す。 optimaladj pythonパッケージは、本論文で導入されたアルゴリズムを実装している。

関連論文リスト

• Semiparametric conformal prediction [79.6147286161434]
  リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。 スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。 実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Nearest Neighbor Sampling for Covariate Shift Adaptation [7.940293148084844]
  重みを推定しない新しい共変量シフト適応法を提案する。 基本的な考え方は、ソースデータセットの$k$-nearestの隣人によってラベル付けされたラベル付けされていないターゲットデータを直接扱うことだ。 実験の結果, 走行時間を大幅に短縮できることがわかった。
  論文  参考訳（メタデータ） (2023-12-15T17:28:09Z)
• Statistical Limits of Adaptive Linear Models: Low-Dimensional Estimation and Inference [5.924780594614676]
  データの任意適応が許された場合、単一の座標を推定する誤差を$sqrtd$の倍にすることができる。 2段階適応線形推定方程式(TALE)を解くことにより,単一座標推定のための新しい推定器を提案する。
  論文  参考訳（メタデータ） (2023-10-01T00:45:09Z)
• Quantization for decentralized learning under subspace constraints [61.59416703323886]
  エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。 本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。 この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
  論文  参考訳（メタデータ） (2022-09-16T09:38:38Z)
• 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)
• Distributed Nonparametric Function Estimation: Optimal Rate of Convergence and Cost of Adaptation [1.332560004325655]
  通信制約下での分散ミニマックス推定と分散適応推定について検討した。 適応のための正確な通信コストを定量化し、分散推定のための最適な適応手順を構築する。
  論文  参考訳（メタデータ） (2021-07-01T02:16:16Z)
• Instance-optimality in optimal value estimation: Adaptivity via variance-reduced Q-learning [99.34907092347733]
  本稿では,マルコフ決定過程における最適な$Q$値関数を離散状態と動作で推定する問題を解析する。 局所的なミニマックスフレームワークを用いて、この関数は任意の推定手順の精度の低い境界に現れることを示す。 他方,Q$ラーニングの分散還元版を解析することにより,状態と行動空間の対数的要因まで,下位境界のシャープさを確立する。
  論文  参考訳（メタデータ） (2021-06-28T00:38:54Z)
• Necessary and sufficient graphical conditions for optimal adjustment sets in causal graphical models with hidden variables [9.949781365631557]
  グラフィカルモデルにおける因果効果を推定するために最適なバックドア調整セットを選択するという課題に対処する。 結果は、ある情報理論的関係に従属する推定器のクラスに対する最小推定分散に変換される。
  論文  参考訳（メタデータ） (2021-02-20T12:25:06Z)
• Neural Control Variates [71.42768823631918]
  ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。 理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。 具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
  論文  参考訳（メタデータ） (2020-06-02T11:17:55Z)
• 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)
• SUMO: Unbiased Estimation of Log Marginal Probability for Latent Variable Models [80.22609163316459]
  無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。 推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
  論文  参考訳（メタデータ） (2020-04-01T11:49:30Z)

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。