論文の概要: Causal Effect Estimation: Recent Advances, Challenges, and Opportunities
- arxiv url: http://arxiv.org/abs/2302.00848v1
- Date: Thu, 2 Feb 2023 03:25:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 15:31:44.784874
- Title: Causal Effect Estimation: Recent Advances, Challenges, and Opportunities
- Title（参考訳）: 因果効果の推定:最近の進歩、課題、機会
- Authors: Zhixuan Chu, Jianmin Huang, Ruopeng Li, Wei Chu, Sheng Li
- Abstract要約: 因果推論は、医療、マーケティング、政治科学、オンライン広告など、多くの分野において多くの実世界の応用がある。
因果推論における基本的な問題である治療効果推定は、数十年にわたって統計学で広く研究されてきた。
- 参考スコア（独自算出の注目度）: 18.649420489201464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Causal inference has numerous real-world applications in many domains, such
as health care, marketing, political science, and online advertising. Treatment
effect estimation, a fundamental problem in causal inference, has been
extensively studied in statistics for decades. However, traditional treatment
effect estimation methods may not well handle large-scale and high-dimensional
heterogeneous data. In recent years, an emerging research direction has
attracted increasing attention in the broad artificial intelligence field,
which combines the advantages of traditional treatment effect estimation
approaches (e.g., propensity score, matching, and reweighing) and advanced
machine learning approaches (e.g., representation learning, adversarial
learning, and graph neural networks). Although the advanced machine learning
approaches have shown extraordinary performance in treatment effect estimation,
it also comes with a lot of new topics and new research questions. In view of
the latest research efforts in the causal inference field, we provide a
comprehensive discussion of challenges and opportunities for the three core
components of the treatment effect estimation task, i.e., treatment,
covariates, and outcome. In addition, we showcase the promising research
directions of this topic from multiple perspectives.
- Abstract（参考訳）: 因果推論は、医療、マーケティング、政治科学、オンライン広告など、多くの分野において多くの実世界の応用がある。
因果推論における基本的な問題である治療効果推定は、数十年にわたって統計学で広く研究されてきた。
しかし、従来の処理効果推定法は、大規模および高次元の異種データを十分に扱えない。
近年では、従来の治療効果推定アプローチ(傾向スコア、マッチング、緩和など)と高度な機械学習アプローチ(表現学習、逆学習、グラフニューラルネットワークなど)の利点を組み合わせた、幅広い人工知能分野において、新たな研究方向が注目されている。
高度な機械学習アプローチは、治療効果の推定において異常なパフォーマンスを示しているが、多くの新しいトピックや新しい研究課題も伴っている。
因果推論分野における最新の研究成果を踏まえ,治療効果推定課題の3つの中核的構成要素,すなわち治療,共変量,結果に対する課題と機会に関する総合的な議論を行う。
さらに,このトピックの有望な研究方向性を,複数の視点から紹介する。
関連論文リスト
- Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - The Blessings of Multiple Treatments and Outcomes in Treatment Effect
Estimation [53.81860494566915]
既存の研究では、プロキシ変数や複数の処理を利用してバイアスを補正している。
多くの実世界のシナリオでは、複数の結果に対する影響を研究することにより大きな関心がある。
この設定に関わる複数の結果の並列研究は、因果同定において互いに助け合うことが示されている。
論文 参考訳（メタデータ） (2023-09-29T14:33:48Z) - Continual Causal Effect Estimation: Challenges and Opportunities [11.343298687766579]
観測データにおける原因と効果のさらなる理解は多くの領域で重要である。
既存の手法は主にソース固有および静止観測データに焦点を当てている。
ビッグデータの時代,我々は観測データによる因果推論において新たな課題に直面している。
論文 参考訳（メタデータ） (2023-01-03T09:57:50Z) - Data-Driven Causal Effect Estimation Based on Graphical Causal
Modelling: A Survey [30.115088044583953]
グラフィカル因果モデルを用いた因果効果推定におけるデータ駆動手法について検討する。
我々は、データ駆動因果効果推定が直面する課題を特定し、議論する。
このレビューは、より多くの研究者がより良いデータ駆動手法を設計する動機になることを期待しています。
論文 参考訳（メタデータ） (2022-08-20T03:25:58Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Estimating Individual Treatment Effects using Non-Parametric Regression
Models: a Review [0.0]
本稿では、観測データや非完全ランダム化データを用いて因果推論を行う際の設定と課題を紹介する。
我々は、個々の治療効果を推定できる既存の最先端フレームワークの統一分類法を開発する。
本研究は,学校給食プログラムデータの実証分析に,いくつかの方法を用いることで,結論を導いた。
論文 参考訳（メタデータ） (2020-09-14T14:26:55Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。