論文の概要: Kernel methods for long term dose response curves

• arxiv url: http://arxiv.org/abs/2201.05139v2
• Date: Tue, 31 Dec 2024 19:49:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-03 14:35:13.344216
• Title: Kernel methods for long term dose response curves
• Title（参考訳）: 長期線量応答曲線のカーネル法
• Authors: Rahul Singh, Hannah Zhou,
• Abstract要約: 因果推論における中核的な課題は、短期的な実験データから、おそらく連続的な行動の長期的な効果をどう外挿するかである。 カーネルリッジ回帰に基づく単純な非パラメトリック推定器を提案する。 我々はその結果を長期の反事実分布にまで拡張し、弱い収束を証明した。
• 参考スコア（独自算出の注目度）: 2.2984209387877628
• License:
• Abstract: A core challenge in causal inference is how to extrapolate long term effects, of possibly continuous actions, from short term experimental data. It arises in artificial intelligence: the long term consequences of continuous actions may be of interest, yet only short term rewards may be collected in exploration. For this estimand, called the long term dose response curve, we propose a simple nonparametric estimator based on kernel ridge regression. By embedding the distribution of the short term experimental data with kernels, we derive interpretable weights for extrapolating long term effects. Our method allows actions, short term rewards, and long term rewards to be continuous in general spaces. It also allows for nonlinearity and heterogeneity in the link between short term effects and long term effects. We prove uniform consistency, with nonasymptotic error bounds reflecting the effective dimension of the data. As an application, we estimate the long term dose response curve of Project STAR, a social program which randomly assigned students to various class sizes. We extend our results to long term counterfactual distributions, proving weak convergence.
• Abstract（参考訳）: 因果推論における中核的な課題は、短期的な実験データから、おそらく連続的な行動の長期的な効果をどう外挿するかである。 連続的な行動の長期的な結果が興味を引かれるかもしれないが、探索において短期的な報酬のみが収集される。 長期線量応答曲線と呼ばれるこの推定値に対して,カーネルリッジ回帰に基づく簡易な非パラメトリック推定器を提案する。 短期実験データの分布をカーネルに埋め込むことで、長期的効果を外挿するための解釈可能な重みを導出する。 本手法では, 行動, 短期報酬, 長期報酬を一般空間で連続的に行うことができる。 また、短期効果と長期効果のリンクにおける非線形性と不均一性も可能である。 データの有効次元を反映した非漸近誤差境界を持つ一様整合性を証明する。 応用として,様々なクラスサイズに学生をランダムに割り当てる社会プログラムであるProject STARの長期線量応答曲線を推定する。 我々はその結果を長期の反事実分布にまで拡張し、弱い収束を証明した。

関連論文リスト

• Estimating Long-term Heterogeneous Dose-response Curve: Generalization Bound Leveraging Optimal Transport Weights [23.602196005738676]
  多くのアプリケーションにおいて、因果効果の長期推定は重要な問題であるが難しい問題である。 既存の手法は、長期的な平均効果を推定するために理想的な仮定に依存している。
  論文  参考訳（メタデータ） (2024-06-27T14:13:46Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• A Study of Posterior Stability for Time-Series Latent Diffusion [59.41969496514184]
  まず,後部崩壊により可変オートエンコーダ(VAE)への潜伏拡散が減少し,表現性が低下することを示す。 次に、入力変数に対するリカレントデコーダの感度を定量化する、依存性測度という原則的手法を導入する。 理論的および実証的研究に基づいて,潜伏拡散を延長し,後部が安定な新しい枠組みを導入する。
  論文  参考訳（メタデータ） (2024-05-22T21:54:12Z)
• Long-term Off-Policy Evaluation and Learning [21.047613223586794]
  アルゴリズムの短期的および長期的な結果はしばしば異なり、下流効果を損なう。 関心の長期的な結果を見るのに数ヶ月かそれ以上かかるので、アルゴリズムの選択プロセスは受け入れがたいほど遅くなります。 本稿では,報酬関数の分解に基づく長期オフライン評価(LOPE)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-24T06:59:59Z)
• Choosing a Proxy Metric from Past Experiments [54.338884612982405]
  多くのランダム化実験では、長期的な計量の処理効果は測定が困難または不可能であることが多い。 一般的な方法は、いくつかの短期的プロキシメトリクスを計測して、長期的メトリックを綿密に追跡することである。 ランダム化実験の同種集団において最適なプロキシメトリックを定義し構築するための新しい統計フレームワークを導入する。
  論文  参考訳（メタデータ） (2023-09-14T17:43:02Z)
• Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
  本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
  論文  参考訳（メタデータ） (2023-06-15T21:42:40Z)
• Estimating long-term causal effects from short-term experiments and long-term observational data with unobserved confounding [5.854757988966379]
  実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。 我々の長期因果効果推定器は、回帰残差と短期実験結果を組み合わせることで得られる。
  論文  参考訳（メタデータ） (2023-02-21T12:22:47Z)
• On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
  本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。 分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-02-28T13:01:04Z)
• Long-term Causal Inference Under Persistent Confounding via Data Combination [38.026740610259225]
  実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。 長期の成果は長期間の遅延後にのみ観測されるため、実験データでは測定されず、観測データでのみ記録される。
  論文  参考訳（メタデータ） (2022-02-15T07:44:20Z)
• Long-Term Effect Estimation with Surrogate Representation [43.932546958874696]
  本研究は、一次利害関係(一次利害関係)の結果が蓄積されるまでに数ヶ月、あるいは数年を要する長期的効果の問題を研究する。 本稿では,機械学習における因果推論と逐次モデルとの接続を構築することを提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:16:18Z)

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。