論文の概要: Conformal Monte Carlo Meta-learners for Predictive Inference of
Individual Treatment Effects
- arxiv url: http://arxiv.org/abs/2402.04906v1
- Date: Wed, 7 Feb 2024 14:35:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 15:04:29.382331
- Title: Conformal Monte Carlo Meta-learners for Predictive Inference of
Individual Treatment Effects
- Title(参考訳): コンフォメーションモンテカルロメタリアナーを用いた個別治療効果の予測
- Authors: Jef Jonkers, Jarne Verhaeghe, Glenn Van Wallendael, Luc Duchateau,
Sofie Van Hoecke
- Abstract要約: 本稿では,個別化意思決定に有用な予測分布を創出する手法を提案する。
結果の雑音分布に関する特定の仮定が,これらの不確実性予測にどのように影響するかを示す。
- 参考スコア(独自算出の注目度): 2.9310590399782788
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge of the effect of interventions, called the treatment effect, is
paramount for decision-making. Approaches to estimating this treatment effect,
e.g. by using Conditional Average Treatment Effect (CATE) estimators, often
only provide a point estimate of this treatment effect, while additional
uncertainty quantification is frequently desired instead. Therefore, we present
a novel method, the Conformal Monte Carlo (CMC) meta-learners, leveraging
conformal predictive systems, Monte Carlo sampling, and CATE meta-learners, to
instead produce a predictive distribution usable in individualized
decision-making. Furthermore, we show how specific assumptions on the noise
distribution of the outcome heavily affect these uncertainty predictions.
Nonetheless, the CMC framework shows strong experimental coverage while
retaining small interval widths to provide estimates of the true individual
treatment effect.
- Abstract(参考訳): 治療効果と呼ばれる介入の効果の知識は、意思決定において重要である。
条件平均処理効果(CATE)推定器を用いて、この治療効果を推定するためのアプローチは、しばしばこの治療効果の点推定しか提供せず、さらに不確実な定量化がしばしば望まれる。
そこで本研究では, 共形予測システム, モンテカルロサンプリング, CATEメタラーナを活用して, 個別化意思決定に有用な予測分布を生成する新しい手法であるCMCメタラーナを提案する。
さらに,結果の雑音分布に対する具体的な仮定が,これらの不確実性予測に大きく影響することを示す。
それにもかかわらず、CMCフレームワークは、真の個々の治療効果を推定するために、小さな間隔幅を維持しながら、強力な実験カバレッジを示す。
関連論文リスト
- Uncertainty Quantification in Heterogeneous Treatment Effect Estimation
with Gaussian-Process-Based Partially Linear Model [2.1212179660694104]
個人間での不均一な治療効果を推定することは、批判的な意思決定を行うための統計ツールとして注目されている。
比較的小さなサンプルサイズ設定での意思決定を支援するために,治療効果推定の不確かさを定量化するベイズ推論フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-16T12:42:28Z) - Conformal Meta-learners for Predictive Inference of Individual Treatment
Effects [0.0]
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。
論文 参考訳(メタデータ) (2023-08-28T20:32:22Z) - 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) - Proximal Causal Learning of Conditional Average Treatment Effects [0.0]
異種治療効果を学習するための2段階損失関数を提案する。
提案手法は,市販の損失最小化機械学習手法により実装できる。
論文 参考訳(メタデータ) (2023-01-26T02:56:36Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳(メタデータ) (2022-12-17T15:01:05Z) - Predicting the impact of treatments over time with uncertainty aware
neural differential equations [2.099922236065961]
本稿では,治療の効果を時間とともに予測する新しい手法であるCounterfactual ODEを提案する。
CF-ODEが従来よりも精度の高い予測と信頼性の高い不確実性推定を提供することを示す。
論文 参考訳(メタデータ) (2022-02-24T09:50:02Z) - Weighting-Based Treatment Effect Estimation via Distribution Learning [14.438302755258547]
本研究では,処理効果推定のための分布学習に基づく重み付け手法を開発した。
提案手法は,最先端の重み付けのみのベンチマーク手法よりも優れている。
2倍のロス率推定フレームワークの下では、その優位性を維持している。
論文 参考訳(メタデータ) (2020-12-26T20:15:44Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳(メタデータ) (2020-06-30T15:49:05Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳(メタデータ) (2020-06-14T01:15:00Z) - Learning to Predict Error for MRI Reconstruction [67.76632988696943]
提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。
本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-02-13T15:55:32Z)
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。