論文の概要: Conformal Meta-learners for Predictive Inference of Individual Treatment
Effects
- arxiv url: http://arxiv.org/abs/2308.14895v1
- Date: Mon, 28 Aug 2023 20:32:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 16:49:17.446728
- Title: Conformal Meta-learners for Predictive Inference of Individual Treatment
Effects
- Title（参考訳）: 個別治療効果予測のためのコンフォーマルメタラーナー
- Authors: Ahmed Alaa, Zaid Ahmad, Mark van der Laan
- Abstract要約: 個別処理効果(ITE)における機械学習(ML)予測の問題点について検討する。
我々は,CATEメタラーナー上に標準共形予測(CP)手法を適用することで,ITTの予測区間を発行する一般的なフレームワークである共形メタラーナーを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate the problem of machine learning-based (ML) predictive
inference on individual treatment effects (ITEs). Previous work has focused
primarily on developing ML-based meta-learners that can provide point estimates
of the conditional average treatment effect (CATE); these are model-agnostic
approaches for combining intermediate nuisance estimates to produce estimates
of CATE. In this paper, we develop conformal meta-learners, a general framework
for issuing predictive intervals for ITEs by applying the standard conformal
prediction (CP) procedure on top of CATE meta-learners. We focus on a broad
class of meta-learners based on two-stage pseudo-outcome regression and develop
a stochastic ordering framework to study their validity. We show that inference
with conformal meta-learners is marginally valid if their (pseudo outcome)
conformity scores stochastically dominate oracle conformity scores evaluated on
the unobserved ITEs. Additionally, we prove that commonly used CATE
meta-learners, such as the doubly-robust learner, satisfy a model- and
distribution-free stochastic (or convex) dominance condition, making their
conformal inferences valid for practically-relevant levels of target coverage.
Whereas existing procedures conduct inference on nuisance parameters (i.e.,
potential outcomes) via weighted CP, conformal meta-learners enable direct
inference on the target parameter (ITE). Numerical experiments show that
conformal meta-learners provide valid intervals with competitive efficiency
while retaining the favorable point estimation properties of CATE
meta-learners.
- Abstract（参考訳）: 個別治療効果(ites)に対する機械学習に基づく予測推論の問題点について検討した。
従来の研究は主にMLベースのメタラーナーの開発に重点を置いており、条件付き平均処理効果(CATE)の点推定を提供しており、これらは中間ニュアンス推定を結合してCATEの推定を生成するモデルに依存しないアプローチである。
本稿では,標準共形予測 (cp) 手順をcateメタリアナー上に適用することにより,itesの予測間隔を設定する汎用フレームワークであるconformal meta-learnersを開発した。
2段階の疑似カム回帰に基づくメタリーナーの幅広いクラスに注目し,その妥当性を検討するための確率的順序付けフレームワークを開発した。
また, コンフォメーションメタラーナーを用いた推論は, それらの(擬似結果)コンフォメーションスコアが, 非観測ITEで評価されたオラクルコンフォメーションスコアを統計的に支配している場合, 極めて有効であることを示した。
さらに,CATEメタ学習者(例えば,2倍の確率学習者)が,モデルおよび分布自由確率(あるいは凸)支配条件を満たすことを証明し,その共形推論が実際に関連する対象範囲のレベルに有効であることを示す。
既存のプロシージャが重み付きCPを介してニュアンスパラメータ(すなわち潜在的結果)の推論を行うのに対し、共形メタラーナーはターゲットパラメータ(ITE)の直接推論を可能にする。
数値実験により, 共形メタラーナーは, CATEメタラーナーの最適点推定特性を維持しつつ, 競争効率の高い有効区間を提供することが示された。
関連論文リスト
- Towards Robust and Interpretable EMG-based Hand Gesture Recognition using Deep Metric Meta Learning [37.21211404608413]
本稿では,意味的かつ解釈可能な表現の作成を監督するために,EMG PRにおける深層メートル法メタラーニングへのシフトを提案する。
我々は、不正確な決定をよりよく拒否する頑健なクラス近接性に基づく信頼度推定器を導出する。
論文 参考訳（メタデータ） (2024-04-17T23:37:50Z) - Conformal Convolution and Monte Carlo Meta-learners for Predictive Inference of Individual Treatment Effects [2.7320409129940684]
コンフォーマル畳み込みTラーナー(CCT-learner)とコンフォーマルモンテカルロメタラーナー(CMC)を紹介する。
これらの手法は、重み付き共形予測システム(WCPS)、モンテカルロサンプリング、CATEメタラーナーを利用する。
個々の治療効果(ITE)の予測分布を生成し、個別の意思決定を強化する。
論文 参考訳（メタデータ） (2024-02-07T14:35:25Z) - 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) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳（メタデータ） (2023-02-23T18:57:14Z) - Scalable PAC-Bayesian Meta-Learning via the PAC-Optimal Hyper-Posterior:
From Theory to Practice [54.03076395748459]
メタラーニング文学の中心的な疑問は、目に見えないタスクへの一般化を保証するために、いかに正規化するかである。
本稿では,Rothfussらによって最初に導かれたメタラーニングの一般化について述べる。
PAC-Bayesian per-task 学習境界におけるメタラーニングの条件と程度について,理論的解析および実証事例研究を行った。
論文 参考訳（メタデータ） (2022-11-14T08:51:04Z) - An Investigation of the Bias-Variance Tradeoff in Meta-Gradients [53.28925387487846]
ヘッセン推定は常にバイアスを追加し、メタ階調推定に分散を加えることもできる。
提案手法は, 乱れたバックプロパゲーションとサンプリング補正から生じるバイアスとばらつきのトレードオフについて検討する。
論文 参考訳（メタデータ） (2022-09-22T20:33:05Z) - Comparison of meta-learners for estimating multi-valued treatment
heterogeneous effects [2.294014185517203]
条件平均処理効果(CATE)の推定は、観測データによる因果推論における主な課題の1つである。
メタラーナーと呼ばれる非パラメトリック推定器は、特定の教師付き学習方法に対する推定を抑えない主な利点として、CATEを推定するために開発された。
本稿では,多値処理の異種効果を推定するためのメタラーナーについて検討する。
論文 参考訳（メタデータ） (2022-05-29T16:46:21Z) - Meta-Learning Reliable Priors in the Function Space [36.869587157481284]
本稿では,F-PACOHと呼ばれるメタ学習フレームワークを紹介し,メタ学習をプロセスとして扱い,関数空間内で直接メタレベル正規化を行う。
これにより、メタラーナーの予測を、不十分なメタトレーニングデータの領域における高い不確実性に向けて直接操縦することができ、よく校正された不確実性推定が得られる。
論文 参考訳（メタデータ） (2021-06-06T18:07:49Z) - Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。
本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。
4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
論文 参考訳（メタデータ） (2020-02-27T10:22:17Z) - PACOH: Bayes-Optimal Meta-Learning with PAC-Guarantees [77.67258935234403]
PAC-Bayesianフレームワークを用いた理論的解析を行い、メタ学習のための新しい一般化境界を導出する。
我々は、性能保証と原則付きメタレベル正規化を備えたPAC最適メタ学習アルゴリズムのクラスを開発する。
論文 参考訳（メタデータ） (2020-02-13T15:01:38Z)
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。