論文の概要: Temporal-Spatial Entropy Balancing for Causal Continuous
Treatment-Effect Estimation
- arxiv url: http://arxiv.org/abs/2312.08670v1
- Date: Thu, 14 Dec 2023 06:05:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-16 00:01:10.080335
- Title: Temporal-Spatial Entropy Balancing for Causal Continuous
Treatment-Effect Estimation
- Title（参考訳）: 因果的連続処理における時間空間エントロピーバランス
- Authors: Tao Hu and Honglong Zhang and Fan Zeng and Min Du and XiangKun Du and
Yue Zheng and Mengran Zhang and Dan Yang and Jihao Wu
- Abstract要約: 都市内貨物輸送の分野では、順序量の変化は時間的・空間的要因に影響される。
共起変数を制御する従来の方法は、全体論的観点からデータを扱う。
本研究では,フレキシブル時間空間グリッド分割に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 11.769215181595465
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the field of intracity freight transportation, changes in order volume are
significantly influenced by temporal and spatial factors. When building subsidy
and pricing strategies, predicting the causal effects of these strategies on
order volume is crucial. In the process of calculating causal effects,
confounding variables can have an impact. Traditional methods to control
confounding variables handle data from a holistic perspective, which cannot
ensure the precision of causal effects in specific temporal and spatial
dimensions. However, temporal and spatial dimensions are extremely critical in
the logistics field, and this limitation may directly affect the precision of
subsidy and pricing strategies. To address these issues, this study proposes a
technique based on flexible temporal-spatial grid partitioning. Furthermore,
based on the flexible grid partitioning technique, we further propose a
continuous entropy balancing method in the temporal-spatial domain, which named
TS-EBCT (Temporal-Spatial Entropy Balancing for Causal Continue Treatments).
The method proposed in this paper has been tested on two simulation datasets
and two real datasets, all of which have achieved excellent performance. In
fact, after applying the TS-EBCT method to the intracity freight transportation
field, the prediction accuracy of the causal effect has been significantly
improved. It brings good business benefits to the company's subsidy and pricing
strategies.
- Abstract（参考訳）: 都市内貨物輸送の分野では、順序量の変化は時間的・空間的要因に大きく影響される。
補助金と価格戦略を構築する場合、これらの戦略の注文量に対する因果効果を予測することが重要である。
因果効果を計算する過程において、共起変数は影響を受けうる。
連結変数を制御する伝統的な方法は、特定の時間的および空間的次元における因果効果の精度を保証することができない、全体論的観点からのデータを扱う。
しかし、時間的・空間的次元は物流分野において極めて重要であり、この制限は補助金と価格戦略の精度に直接影響する可能性がある。
そこで本研究では,フレキシブルな時空間グリッドパーティショニングに基づく手法を提案する。
さらに, 柔軟なグリッド分割手法に基づき, ts-ebct (temporal-spatial entropy balancing for causal continue treatments) と呼ばれる時間空間領域における連続エントロピーバランス法を提案する。
提案手法は2つのシミュレーションデータセットと2つの実データセットで検証され,いずれも優れた性能を示した。
実際、TS-EBCT法を都市内貨物輸送分野に適用したことにより、因果効果の予測精度が大幅に向上した。
それは会社の補助金と価格戦略に良いビジネス利益をもたらす。
関連論文リスト
- Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳（メタデータ） (2024-07-18T15:44:23Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference [0.46052594866569146]
まず, 空間干渉の概念を, 未測定条件を仮定して拡張することで, 時間変化による治療結果に対する空間干渉の概念を拡張した。
次に、時間的因果推論のための深層学習に基づく潜在的結果モデルを提案する。
U-Netアーキテクチャのパワーを利用して、時間とともに空間的干渉を捉えながら、時間変化による干渉を低減するために潜時因子モデリングを利用する。
論文 参考訳（メタデータ） (2024-05-13T20:39:27Z) - Causal Inference from Slowly Varying Nonstationary Processes [2.3072402651280517]
観測データヒンジからの因果推論は、データ生成機構による原因と効果の非対称性に依存する。
本稿では,時間変化フィルタと定常雑音を用いた新しい構造因果モデルを提案し,非定常性から非対称性を利用して因果同定を行う。
論文 参考訳（メタデータ） (2024-05-11T04:15:47Z) - Deciphering Spatio-Temporal Graph Forecasting: A Causal Lens and
Treatment [33.4989883914555]
本研究では,時間的アウト・オブ・ディストリビューション問題と動的空間因果関係に対処するCaSTと呼ばれる新しいフレームワークを提案する。
実世界の3つのデータセットに対する実験結果は、CaSTの有効性と実用性を示している。
論文 参考訳（メタデータ） (2023-09-23T13:51:09Z) - Understanding the Impact of Competing Events on Heterogeneous Treatment
Effect Estimation from Time-to-Event Data [92.51773744318119]
本研究では,競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。
提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。
HTEの推定に汎用的な機械学習予測モデルを使用する場合、これらの課題がいつどのように機能するかを理論的に分析し、実証的に説明する。
論文 参考訳（メタデータ） (2023-02-23T14:28:55Z) - Averaging Spatio-temporal Signals using Optimal Transport and Soft
Alignments [110.79706180350507]
Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。
手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
論文 参考訳（メタデータ） (2022-03-11T09:46:22Z) - Policy Evaluation for Temporal and/or Spatial Dependent Experiments [44.03746192651919]
本研究の目的は,技術系企業が実施する政策と,複雑な時間的・空間的依存実験において得られる成果の因果関係を確立することである。
本稿では,時間的・空間的依存を特徴とする状況において,時間的・時間的変動係数決定過程(VCDP)モデルを提案する。
論文 参考訳（メタデータ） (2022-02-22T13:38:14Z) - ProSTformer: Pre-trained Progressive Space-Time Self-attention Model for
Traffic Flow Forecasting [6.35012051925346]
2つの問題により、交通流の予測にアプローチが効果的に適用されない。
まず、依存関係を判断し、次に、ProSTformerという時空の自己アテンションメカニズムを取ります。
ProSTformerは、RMSEの6つの最先端メソッドよりも、大規模なデータセット上で、より良く、あるいは同等に動作する。
論文 参考訳（メタデータ） (2021-11-03T12:20:08Z) - Localisation determines the optimal noise rate for quantum transport [68.8204255655161]
1D鎖の局在と最適脱落速度について検討した。
単純なパワー法則は、サイズに依存しない応答とサイズに依存しない応答の間の相互作用をキャプチャする。
中間温度と高温では関係が保たれるが、低温では崩壊する。
論文 参考訳（メタデータ） (2021-06-23T17:52:16Z)
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。