論文の概要: s-ID: Causal Effect Identification in a Sub-Population

• arxiv url: http://arxiv.org/abs/2309.02281v2
• Date: Mon, 8 Jan 2024 22:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 19:55:22.750507
• Title: s-ID: Causal Effect Identification in a Sub-Population
• Title（参考訳）: s-ID : サブポピュレーションにおける因果効果の同定
• Authors: Amir Mohammad Abouei, Ehsan Mokhtarian, Negar Kiyavash
• Abstract要約: サブポピュレーション(s-ID)における因果推論問題の導入と提唱 サブ人口における既存の推論問題は、与えられたデータが全人口に由来するという前提で機能する。 我々は,そのサブポピュレーションの観察分布から同定可能なサブポピュレーションにおける因果効果を因果グラフに保持しなければならない必要十分条件を提供する。
• 参考スコア（独自算出の注目度）: 23.221279036710012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Causal inference in a sub-population involves identifying the causal effect of an intervention on a specific subgroup, which is distinguished from the whole population through the influence of systematic biases in the sampling process. However, ignoring the subtleties introduced by sub-populations can either lead to erroneous inference or limit the applicability of existing methods. We introduce and advocate for a causal inference problem in sub-populations (henceforth called s-ID), in which we merely have access to observational data of the targeted sub-population (as opposed to the entire population). Existing inference problems in sub-populations operate on the premise that the given data distributions originate from the entire population, thus, cannot tackle the s-ID problem. To address this gap, we provide necessary and sufficient conditions that must hold in the causal graph for a causal effect in a sub-population to be identifiable from the observational distribution of that sub-population. Given these conditions, we present a sound and complete algorithm for the s-ID problem.
• Abstract（参考訳）: サブ集団における因果推論は、特定のサブグループに対する介入の因果効果を同定することを含む。 しかし、サブポピュレーションによって導入された微妙さを無視することは、誤った推論につながるか、既存のメソッドの適用性を制限する可能性がある。 我々は、(人口全体とは対照的に)対象のサブ人口の観測データにアクセスするだけでよいサブ人口(s-idと呼ばれる)における因果推論問題を紹介し、提唱する。 サブポピュレーションにおける既存の推論問題は、与えられたデータ分布が全人口に由来することを前提に、s-ID問題に対処できない。 このギャップに対処するために、我々は、そのサブ人口の観測分布から識別可能なサブ人口における因果効果の因果グラフに保持される必要十分条件を提供する。 これらの条件から,s-ID問題に対する健全かつ完全なアルゴリズムを提案する。

関連論文リスト

• Learning With Multi-Group Guarantees For Clusterable Subpopulations [14.042643978487453]
  予測問題に対する標準的なデシプラタムは、パフォーマンス保証が人口よりも平均的に維持されるべきである。 しかし、意味のあるサブポピュレーションを構成するものは何だろうか? 個人の分布から自然に現れるクラスターに関して、関連するサブポピュレーションは定義されるべきである。
  論文  参考訳（メタデータ） (2024-10-18T16:38:55Z)
• Causal Effect Identification in a Sub-Population with Latent Variables [22.75558589075695]
  s-ID問題は、同じサブ集団に関する観測データから、特定のサブ集団における因果効果を計算しようとする。 本稿では,潜伏変数の存在を許容するs-ID問題の拡張について考察する。 潜伏変数を持つs-ID問題に対する音響アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-23T13:25:41Z)
• Identifiable Latent Neural Causal Models [82.14087963690561]
  因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。 因果表現の識別可能性に寄与する分布シフトのタイプを決定する。 本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
  論文  参考訳（メタデータ） (2024-03-23T04:13:55Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Learning Probabilities of Causation from Finite Population Data [40.99426447422972]
  本研究では,有限個体群データに基づくサブ集団に対する因果関係の確率境界の学習を支援する機械学習モデルを提案する。 本研究では, 機械学習モデルを用いて, 人口32768人を対象に, 有限個体群データから約500人分のPSNを学習できることを示す。
  論文  参考訳（メタデータ） (2022-10-16T05:46:25Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
  本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。 本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-07T10:14:18Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Identification Methods With Arbitrary Interventional Distributions as Inputs [8.185725740857595]
  因果推論は、データから反事実パラメータを推定することで、原因と影響の関係を定量化する。 我々は、単一世界干渉グラフと混合グラフに関連付けられたモデルのネスト係数化を用いて、実験データに対する既存の識別理論の非常に単純なビューを提供する。
  論文  参考訳（メタデータ） (2020-04-02T17:27:18Z)
• Efficient Discovery of Heterogeneous Quantile Treatment Effects in Randomized Experiments via Anomalous Pattern Detection [1.9346186297861747]
  治療効果サブセットスキャン(TESS)は、ランダム化実験においてどのサブ集団が治療によって最も影響を受けているかを発見する新しい方法である。 このアルゴリズムに加えて、処理効果のない鋭いヌル仮説の下では、I型とII型のエラーを制御できることを実証する。
  論文  参考訳（メタデータ） (2018-03-24T20:21:06Z)

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。