論文の概要: Causal Inference out of Control: Estimating the Steerability of
Consumption
- arxiv url: http://arxiv.org/abs/2302.04989v1
- Date: Fri, 10 Feb 2023 00:27:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 16:57:28.607793
- Title: Causal Inference out of Control: Estimating the Steerability of
Consumption
- Title(参考訳): 制御不能な因果推論:消費の安定度を推定する
- Authors: Gary Cheng, Moritz Hardt, Celestine Mendler-D\"unner
- Abstract要約: 我々は、消費のステアビリティ(steerability of consumption)と呼ぶ一般的な因果推論問題を導入する。
このアプローチの目新しいところは、時間の経過とともに消費のダイナミクスを明示的にモデル化することです。
結果は、制御理論と因果推論の実りある相互作用を示す。
- 参考スコア(独自算出の注目度): 22.365635918217674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Regulators and academics are increasingly interested in the causal effect
that algorithmic actions of a digital platform have on consumption. We
introduce a general causal inference problem we call the steerability of
consumption that abstracts many settings of interest. Focusing on observational
designs and exploiting the structure of the problem, we exhibit a set of
assumptions for causal identifiability that significantly weaken the often
unrealistic overlap assumptions of standard designs. The key novelty of our
approach is to explicitly model the dynamics of consumption over time, viewing
the platform as a controller acting on a dynamical system. From this dynamical
systems perspective, we are able to show that exogenous variation in
consumption and appropriately responsive algorithmic control actions are
sufficient for identifying steerability of consumption. Our results illustrate
the fruitful interplay of control theory and causal inference, which we
illustrate with examples from econometrics, macroeconomics, and machine
learning.
- Abstract(参考訳): 規制当局や学者は、デジタルプラットフォームのアルゴリズム的行動が消費に与える影響にますます関心を寄せている。
我々は,利害関係を抽象化する汎用的因果推論問題(steerability of consumption)を提案する。
観察設計に焦点をあて,問題の構造を活用することで,標準設計の非現実的な重複仮定を著しく弱める因果識別可能性の仮定を示す。
このアプローチの目新しいところは、動的システムに作用するコントローラとしてプラットフォームを眺めながら、時間とともに消費のダイナミクスを明示的にモデル化することである。
このような動的システムの観点から、消費の変動と適切な応答性を持つアルゴリズム制御行動が、消費の操縦性を特定するのに十分であることを示すことができる。
本研究は,エコノメティクス,マクロ経済学,機械学習の例を例に,制御理論と因果推論の実りある相互作用を説明する。
関連論文リスト
- Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳(メタデータ) (2023-09-30T20:59:42Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - Worst-Case Control and Learning Using Partial Observations Over an
Infinite Time-Horizon [2.456909016197174]
安全クリティカルなサイバー物理システムは、敵の混乱に対する堅牢な制御戦略と不確実性をモデル化する必要がある。
有限時間地平線上での最悪の割引コストを最小限に抑えるため,部分観測システムにおける近似制御と学習の枠組みを提案する。
論文 参考訳(メタデータ) (2023-03-28T21:40:06Z) - Context De-confounded Emotion Recognition [12.037240778629346]
コンテキストアウェア感情認識(CAER)は、対象者の感情状態を文脈情報で知覚することを目的としている。
長年見過ごされてきた問題は、既存のデータセットのコンテキストバイアスが感情状態のかなり不均衡な分布をもたらすことである。
本稿では、そのようなバイアスの影響からモデルを切り離し、CAERタスクにおける変数間の因果関係を定式化する因果関係に基づく視点を提供する。
論文 参考訳(メタデータ) (2023-03-21T15:12:20Z) - Data-efficient, Explainable and Safe Payload Manipulation: An
Illustration of the Advantages of Physical Priors in Model-Predictive Control [0.0]
環境のダイナミクスに関する事前の知識は、説明可能性の向上と、安全性とデータ効率の両面での増大につながることを示す。
実際のロボットシステムに基づくペイロード操作問題をモデル化し、環境のダイナミクスに関する事前知識を活用することにより、説明可能性の向上と安全性とデータ効率の向上につながることを示す。
論文 参考訳(メタデータ) (2023-03-02T20:28:19Z) - Quantify the Causes of Causal Emergence: Critical Conditions of
Uncertainty and Asymmetry in Causal Structure [0.5372002358734439]
統計的および情報理論に基づく因果関係の調査は、大規模モデルに興味深い、価値のある課題を提起している。
本稿では,その発生の理論的制約として,因果関係の数値的条件を評価するための枠組みを提案する。
論文 参考訳(メタデータ) (2022-12-03T06:35:54Z) - VAC2: Visual Analysis of Combined Causality in Event Sequences [6.145427901944597]
我々は,複合原因と個別原因の探索を支援するために,複合因果解析システムを開発した。
この対話システムは多段階因果探索をサポートし,多様な順序付け戦略と焦点とコンテキスト技術を備える。
本システムの有用性と有効性は,パイロットユーザによる研究と,イベントシーケンスデータに関する2つのケーススタディによってさらに評価される。
論文 参考訳(メタデータ) (2022-06-11T04:53:23Z) - Learning Self-Modulating Attention in Continuous Time Space with
Applications to Sequential Recommendation [102.24108167002252]
本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。
提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
論文 参考訳(メタデータ) (2022-03-30T03:54:11Z) - Towards Robust and Adaptive Motion Forecasting: A Causal Representation
Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。
我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。
合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文 参考訳(メタデータ) (2021-11-29T18:59:09Z) - Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。
動的パーソナライズされた価格設定などの問題の因果構造を形式化する。
本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
論文 参考訳(メタデータ) (2021-10-19T16:15:56Z) - Predictive Coding for Locally-Linear Control [92.35650774524399]
高次元観測と未知のダイナミクスは、多くの実世界の意思決定タスクに最適な制御を適用する際に大きな課題である。
Learning Controllable Embedding (LCE)フレームワークは、観測結果を低次元の潜伏空間に埋め込むことによって、これらの課題に対処する。
理論的には、明示的な次観測予測を予測符号化に置き換えることが可能である。
論文 参考訳(メタデータ) (2020-03-02T18:20:41Z)
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。