Fugu-MT 論文翻訳(概要): TSCI: two stage curvature identification for causal inference with invalid instruments

論文の概要: TSCI: two stage curvature identification for causal inference with invalid instruments

arxiv url: http://arxiv.org/abs/2304.00513v1
Date: Sun, 2 Apr 2023 11:12:53 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 17:39:46.538376
Title: TSCI: two stage curvature identification for causal inference with invalid instruments
Title（参考訳）: TSCI:不正機器による因果推論のための2段階曲率同定
Authors: David Carl, Corinne Emmenegger, Peter B\"uhlmann, Zijian Guo
Abstract要約: TSCIは、R統計計算環境において、不正な機器による観測データからの処理効果推定を実装している。古典的な楽器変数の識別条件は必要とせず、すべての楽器が無効であっても有効である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: TSCI implements treatment effect estimation from observational data under invalid instruments in the R statistical computing environment. Existing instrumental variable approaches rely on arguably strong and untestable identification assumptions, which limits their practical application. TSCI does not require the classical instrumental variable identification conditions and is effective even if all instruments are invalid. TSCI implements a two-stage algorithm. In the first stage, machine learning is used to cope with nonlinearities and interactions in the treatment model. In the second stage, a space to capture the instrument violations is selected in a data-adaptive way. These violations are then projected out to estimate the treatment effect.
Abstract（参考訳）: tsciは、r統計計算環境において、不正機器下の観測データから処理効果を推定する。既存のインストゥルメンタル変数のアプローチは、間違いなく強力でテスト不可能な識別仮定に依存している。 TSCIは古典的な楽器変数の識別条件を必要とせず、すべての楽器が無効であっても有効である。 tsciは二段階アルゴリズムを実装している。第1段階では、処理モデルの非線形性と相互作用に対処するために機械学習が使用される。第2段階では、機器違反を捕捉する空間をデータ適応的に選択する。これらの違反は治療効果を推定するために投射される。

関連論文リスト

Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models [18.29392314939638]
本稿では,変数が有効な楽器であるかどうかをテストするための補助的独立テスト(AIT)条件を提案する。実世界の3つのデータセットの合成実験結果から,提案手法の有効性が示された。
論文参考訳（メタデータ） (2024-11-19T02:56:45Z)
Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
論文参考訳（メタデータ） (2024-11-05T18:14:49Z)
Learning Representations of Instruments for Partial Identification of Treatment Effects [23.811079163083303]
我々は任意の(潜在的に高次元の)機器を用いて条件平均処理効果(CATE)の限界を推定する。本稿では,楽器を離散表現空間にマッピングする手法を提案する。我々は、潜在楽器空間のニューラルネットワーク分割を調整し、厳密な境界を学習する2段階の手順を導出する。
論文参考訳（メタデータ） (2024-10-11T16:48:32Z)
DAGnosis: Localized Identification of Data Inconsistencies using Structures [73.39285449012255]
機械学習モデルを確実に使用するためには、デプロイメント時のデータの不整合の特定と適切な処理が不可欠である。我々は,有向非巡回グラフ(DAG)を用いて,トレーニングセットの特徴分布と非依存性を構造として符号化する。我々の手法はDAGnosisと呼ばれ、これらの構造的相互作用を利用して、価値があり洞察に富んだデータ中心の結論をもたらす。
論文参考訳（メタデータ） (2024-02-26T11:29:16Z)
B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文参考訳（メタデータ） (2023-04-20T18:07:19Z)
Adaptive Negative Evidential Deep Learning for Open-set Semi-supervised Learning [69.81438976273866]
オープンセット半教師付き学習(Open-set SSL)は、ラベル付きデータ(inliers)で観測されない新しいカテゴリ(outliers)を含むラベル付きデータとテストデータを含む、より実践的なシナリオである。本研究では,様々な不確かさを定量化するための外乱検出器として顕在的深層学習(EDL)を導入し,自己学習と推論のための異なる不確実性指標を設計する。 Inlierとoutlierの両方を含むラベルなしデータセットに適合するように、新しい適応的負の最適化戦略を提案する。
論文参考訳（メタデータ） (2023-03-21T09:07:15Z)
Causal Falsification of Digital Twins [33.567972948107005]
デジタルツイン(Digital twins)は、現実世界のプロセスが介入に応じてどのように進化するかを予測する仮想システムである。実世界のデータを用いてデジタル双生児の精度を評価する方法を検討する。
論文参考訳（メタデータ） (2023-01-17T22:18:53Z)
ADT-SSL: Adaptive Dual-Threshold for Semi-Supervised Learning [68.53717108812297]
Semi-Supervised Learning (SSL)は、ラベル付きデータとラベルなしデータを併用してモデルをトレーニングすることで、高度な分類タスクを実現している。本稿では,半教師付き学習(ADT-SSL)のための適応的デュアル閾値法を提案する。実験の結果,提案したADT-SSLは最先端の分類精度を実現することがわかった。
論文参考訳（メタデータ） (2022-05-21T11:52:08Z)
Robustness Against Weak or Invalid Instruments: Exploring Nonlinear Treatment Models with Machine Learning [1.3022753212679383]
観測実験における因果推論について検討する。本稿では,非線形処理モデルと機械学習を併用した2段階曲率同定法を提案する。
論文参考訳（メタデータ） (2022-03-24T02:19:24Z)
Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文参考訳（メタデータ） (2020-11-26T18:51:26Z)
Valid Causal Inference with (Some) Invalid Instruments [24.794879633855373]
排他的仮定違反にも拘わらず、一貫したIV推定を行う方法を示す。我々は,深層ネットワークに基づく推定器のアンサンブルを用いて条件平均処理効果を正確に推定する。
論文参考訳（メタデータ） (2020-06-19T21:09:26Z)

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。