論文の概要: Causal Inference Based Single-branch Ensemble Trees For Uplift Modeling

• arxiv url: http://arxiv.org/abs/2302.01563v1
• Date: Fri, 3 Feb 2023 06:22:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 17:13:55.324450
• Title: Causal Inference Based Single-branch Ensemble Trees For Uplift Modeling
• Title（参考訳）: 昇降モデルのための因果推論に基づく単分岐アンサンブルツリー
• Authors: Fanglan Zheng, Menghan Wang, Kun Li, Jiang Tian, Xiaojia Xiang
• Abstract要約: 本稿では,因果推論に基づく単枝アンサンブル木を用いたアップリフトモデリング,すなわちCIETを提案する。 2つの分割基準は、治療群と対照群の間の結果分布の差を最大化するように設計されている。 CIETは、アップリフト曲線(AUUC)とカイニ係数の両方の観点から、アップリフトモデリングの従来の手法よりも優れていることを示した。
• 参考スコア（独自算出の注目度）: 9.923694628777744
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this manuscript (ms), we propose causal inference based single-branch ensemble trees for uplift modeling, namely CIET. Different from standard classification methods for predictive probability modeling, CIET aims to achieve the change in the predictive probability of outcome caused by an action or a treatment. According to our CIET, two partition criteria are specifically designed to maximize the difference in outcome distribution between the treatment and control groups. Next, a novel single-branch tree is built by taking a top-down node partition approach, and the remaining samples are censored since they are not covered by the upper node partition logic. Repeating the tree-building process on the censored data, single-branch ensemble trees with a set of inference rules are thus formed. Moreover, CIET is experimentally demonstrated to outperform previous approaches for uplift modeling in terms of both area under uplift curve (AUUC) and Qini coefficient significantly. At present, CIET has already been applied to online personal loans in a national financial holdings group in China. CIET will also be of use to analysts applying machine learning techniques to causal inference in broader business domains such as web advertising, medicine and economics.
• Abstract（参考訳）: 本稿では,因果推論に基づく単一分岐アンサンブル木を用いたアップリフトモデリング,すなわちCIETを提案する。 予測確率モデリングの標準的な分類法とは異なり、CIETは行動や治療による結果の予測確率の変化を達成することを目的としている。 CIETによると、治療群と対照群間の結果分布の差を最大化するために、2つの分割基準が特別に設計されている。 次に、トップダウンノード分割アプローチを採用することで、新しいシングルブランチツリーを構築し、残りのサンプルは、上位ノード分割ロジックでカバーされていないため検閲する。 これにより、検閲データ上に木構築プロセスを繰り返すことで、一連の推論規則付き単一ブランチアンサンブルツリーを形成する。 さらに,CIETは,昇降曲線 (AUUC) とカイニ係数の両方の観点から,従来の昇降モデリング手法よりも優れていることを示した。 現在、cietは中国の国立金融持株グループにおけるオンライン個人ローンにすでに適用されている。 CIETはまた、Web広告、医療、経済学といった幅広いビジネス領域における因果推論に機械学習技術を適用するアナリストにも使われる。

関連論文リスト

• Output-Constrained Decision Trees [0.0]
  本稿では,マルチターゲット出力だけでなく,対象間の制約も扱える決定木を新たに導入する。 我々は,制約に対処する分割基準を調整し,実現可能な予測を得ることにより,従来の決定木をカスタマイズすることに注力する。
  論文  参考訳（メタデータ） (2024-05-24T07:54:44Z)
• Make it more specific: A novel uncertainty based airway segmentation application on 3D U-Net and its variants [7.510433578643361]
  医用セグメンテーションにおける最も一般的なアルゴリズムである3D U-Netとその変種は、肺気管セグメンテーションのタスクを直接実装することができる。 最先端のDLアルゴリズムがバニラ3D U-Net構造であるため、研究ギャップが存在する。 本稿では, 分岐レベルU-Net(B-UNet)と分岐レベルCE-UNet(B-CE-UNet)の2つの異なるネットワーク構造を提案する。
  論文  参考訳（メタデータ） (2024-02-12T04:40:19Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• HOB-CNN: Hallucination of Occluded Branches with a Convolutional Neural Network for 2D Fruit Trees [4.574094598984042]
  本研究では,木分岐位置予測のための回帰学習モデルであるHalucination of Occluded Branch Convolutional Neural Network (HOB-CNN)を提案する。
  論文  参考訳（メタデータ） (2022-07-28T06:12:02Z)
• Entailment Tree Explanations via Iterative Retrieval-Generation Reasoner [56.08919422452905]
  我々はIRGR(Iterative Retrieval-Generation Reasoner)と呼ばれるアーキテクチャを提案する。 本モデルでは,テキストの前提からステップバイステップの説明を体系的に生成することにより,与えられた仮説を説明することができる。 前提条件の検索と細分化木の生成に関する既存のベンチマークを上回り、全体の正しさはおよそ300%向上した。
  論文  参考訳（メタデータ） (2022-05-18T21:52:11Z)
• CGAN-EB: A Non-parametric Empirical Bayes Method for Crash Hotspot Identification Using Conditional Generative Adversarial Networks: A Real-world Crash Data Study [2.3204178451683264]
  本稿では, 衝突頻度データをモデル化する新しい非パラメトリックEB法を提案し, 評価した。 パラメトリックなアプローチとは異なり、提案されたCGAN-EBにおいて、依存変数と独立変数の間の事前定義された基礎関係は不要である。 提案手法は、2012年から2017年にかけてワシントン州で道路セグメントで収集された実世界のデータセットに適用されている。
  論文  参考訳（メタデータ） (2021-12-16T21:22:56Z)
• Tree-Values: selective inference for regression trees [0.0]
  データから推定された木が標準的な保証を達成できないという事実を説明できない推論に対する単純なアプローチ。 適応したCARTツリー上での推論を行うための選択推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T00:25:11Z)
• Making CNNs Interpretable by Building Dynamic Sequential Decision Forests with Top-down Hierarchy Learning [62.82046926149371]
  本稿では,CNN(Convlutional Neural Networks)を解釈可能なモデル転送方式を提案する。 我々は、CNNの上に微分可能な意思決定林を構築することで、これを実現する。 DDSDF(Dep Dynamic Sequential Decision Forest)と命名する。
  論文  参考訳（メタデータ） (2021-06-05T07:41:18Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)
• Estimating the Effects of Continuous-valued Interventions using Generative Adversarial Networks [103.14809802212535]
  我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。 我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。 継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:46:21Z)

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。