論文の概要: Heterogeneous Synthetic Learner for Panel Data
- arxiv url: http://arxiv.org/abs/2212.14580v1
- Date: Fri, 30 Dec 2022 07:39:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 16:11:51.674477
- Title: Heterogeneous Synthetic Learner for Panel Data
- Title(参考訳): パネルデータのための不均一な合成学習
- Authors: Ye Shen, Runzhe Wan, Hengrui Cai, Rui Song
- Abstract要約: 本稿では,パネルデータのHTE推定について検討する。
HTE識別可能性の異なる仮定の下で、対応する異種一側および二側合成学習者を提案する。
提案した推定器の収束率を確立する。
- 参考スコア(独自算出の注目度): 13.921479975276206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the new era of personalization, learning the heterogeneous treatment
effect (HTE) becomes an inevitable trend with numerous applications. Yet, most
existing HTE estimation methods focus on independently and identically
distributed observations and cannot handle the non-stationarity and temporal
dependency in the common panel data setting. The treatment evaluators developed
for panel data, on the other hand, typically ignore the individualized
information. To fill the gap, in this paper, we initialize the study of HTE
estimation in panel data. Under different assumptions for HTE identifiability,
we propose the corresponding heterogeneous one-side and two-side synthetic
learner, namely H1SL and H2SL, by leveraging the state-of-the-art HTE estimator
for non-panel data and generalizing the synthetic control method that allows
flexible data generating process. We establish the convergence rates of the
proposed estimators. The superior performance of the proposed methods over
existing ones is demonstrated by extensive numerical studies.
- Abstract(参考訳): 新しいパーソナライゼーションの時代において、異種治療効果(HTE)の学習は多くの応用において避けられない傾向にある。
しかし、既存のHTE推定手法の多くは独立に同じ分布の観測に重点を置いており、共通パネルデータ設定における非定常性や時間依存性を処理できない。
一方、パネルデータのために開発された治療評価器は、一般的に個々の情報を無視する。
本稿では,このギャップを埋めるため,パネルデータにおけるhte推定の研究を初期化する。
非パネルデータに対する最先端HTE推定器を活用し、フレキシブルデータ生成を可能にする合成制御法を一般化することにより、HTE識別可能性の異なる仮定の下で、対応する異種片側合成学習者、すなわちH1SLとH2SLを提案する。
提案した推定器の収束率を確立する。
提案手法の既存手法よりも優れた性能を, 広範囲な数値実験により実証した。
関連論文リスト
- 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) - Exploring Progress in Multivariate Time Series Forecasting:
Comprehensive Benchmarking and Heterogeneity Analysis [72.18987459587682]
MTS予測における公正な比較のために設計されたベンチマークであるBasicTSを紹介する。
MTSデータセットの不均一性を強調し、時間的特徴と空間的特徴に基づいて分類する。
論文 参考訳(メタデータ) (2023-10-09T19:52:22Z) - Hyperspectral Benchmark: Bridging the Gap between HSI Applications
through Comprehensive Dataset and Pretraining [11.935879491267634]
ハイパースペクトルイメージング (HSI) は、様々な応用の非破壊空間分光技術として機能する。
繰り返し発生する課題は、ターゲットデータセットの限られたサイズであり、徹底的なアーキテクチャ検索を妨げる。
本研究は、3つの顕著な異なるHSIアプリケーションを含む革新的なベンチマークデータセットを紹介する。
論文 参考訳(メタデータ) (2023-09-20T08:08:34Z) - Synthetic Health-related Longitudinal Data with Mixed-type Variables
Generated using Diffusion Models [2.140861702387444]
本稿では拡散確率モデル(DPM)を用いた電子健康記録のシミュレーション手法を提案する。
数値変数,二項変数,カテゴリー変数を含む混合型変数を捕捉する縦型EHRの合成におけるDPMの有効性を示す。
論文 参考訳(メタデータ) (2023-03-22T03:15:33Z) - Mitigating Health Data Poverty: Generative Approaches versus Resampling
for Time-series Clinical Data [0.2867517731896504]
再サンプリング(SMOTEなど)を使用したマイノリティクラスの拡張は、アルゴリズムの単純さのために広く使われているアプローチである。
提案手法は, マイノリティクラスの真正データの生成と, 実データの元の分布に留まることの両立を図っている。
論文 参考訳(メタデータ) (2022-10-25T12:30:48Z) - Rethinking Data Heterogeneity in Federated Learning: Introducing a New
Notion and Standard Benchmarks [65.34113135080105]
我々は、現在のセットアップにおけるデータ不均一性の問題が必ずしも問題であるだけでなく、FL参加者にとって有益であることを示す。
私たちの観察は直感的である。
私たちのコードはhttps://github.com/MMorafah/FL-SC-NIIDで利用可能です。
論文 参考訳(メタデータ) (2022-09-30T17:15:19Z) - Improving Data-driven Heterogeneous Treatment Effect Estimation Under
Structure Uncertainty [13.452510519858995]
ヘテロジニアス処理効果(HTE)推定(英:heregeneous treatment effect, HTE)は、意思決定や政策実施において重要な要素である。
本研究では,HTE推定のための特徴値を考慮した特徴選択手法を開発し,データから因果構造の関連部分を学習する。
論文 参考訳(メタデータ) (2022-06-25T16:26:35Z) - Doing Great at Estimating CATE? On the Neglected Assumptions in
Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。
異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。
ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
論文 参考訳(メタデータ) (2021-07-28T13:21:27Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳(メタデータ) (2020-05-07T16:13:12Z)
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。