論文の概要: Counterfactual Cocycles: A Framework for Robust and Coherent Counterfactual Transports
- arxiv url: http://arxiv.org/abs/2405.13844v3
- Date: Tue, 09 Sep 2025 17:58:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:26.605545
- Title: Counterfactual Cocycles: A Framework for Robust and Coherent Counterfactual Transports
- Title（参考訳）: 反現実的リサイクル:ロバストでコヒーレントな対物輸送のためのフレームワーク
- Authors: Hugh Dance, Benjamin Bloem-Reddy,
- Abstract要約: 対実的な結果に対する共同分布(すなわちカップリング)の推定は、パーソナライズされた意思決定と治療リスク評価の中心である。
代数構造を用いてコヒーレンスと識別可能性を保証する反事実輸送のためのフレームワークである。
- 参考スコア（独自算出の注目度）: 2.062593640149623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Estimating joint distributions (a.k.a. couplings) over counterfactual outcomes is central to personalized decision-making and treatment risk assessment. Two emergent frameworks with identifiability guarantees are: (i) bijective structural causal models (SCMs), which are flexible but brittle to mis-specified latent noise; and (ii) optimal-transport (OT) methods, which avoid latent noise assumptions but can produce incoherent counterfactual transports which fail to identify higher-order couplings. In this work, we bridge the gap with \emph{counterfactual cocycles}: a framework for counterfactual transports that use algebraic structure to provide coherence and identifiability guarantees. Every counterfactual cocycle corresponds to an equivalence class of SCMs, however the cocycle is invariant to the latent noise distribution, enabling us to sidestep various mis-specification problems. We characterize the structure of all identifiable counterfactual cocycles; propose flexible model parameterizations; introduce a novel cocycle estimator that avoids any distributional assumptions; and derive mis-specification robustness properties of the resulting counterfactual inference method. We demonstrate state-of-the-art performance and noise-robustness of counterfactual cocycles across synthetic benchmarks and a 401(k) eligibility study.
- Abstract（参考訳）: 対実的な結果に対する共同分布(すなわちカップリング)の推定は、パーソナライズされた意思決定と治療リスク評価の中心である。
識別可能性を保証する2つの創発的フレームワークは以下のとおりである。
一 フレキシブルで不特定遅延雑音に弱い主観的構造因果モデル(SCM)
(II) 遅延雑音の仮定を回避できる最適輸送法(OT) は, 高次結合の特定に失敗する非一貫性な対実輸送を発生させる。
本研究では、代数構造を用いてコヒーレンスと識別可能性を保証する反事実輸送のためのフレームワークである「emph{counterfactual cocycles」でギャップを埋める。
すべての反現実的コサイクルは、等価なSCMクラスに対応するが、このコサイクルは遅延雑音分布に不変であり、様々な誤特定問題を回避できる。
同定可能なすべての反現実的コサイクルの構造を特徴付け、フレキシブルなモデルパラメータ化を提案し、任意の分布仮定を避ける新しいコサイクル推定器を導入し、結果の反現実的推論法の誤特定ロバスト性を導出する。
本研究は, 合成ベンチマークおよび401(k) の適性試験において, 反現実的コサイクルの最先端性能とノイズロス性を示す。
関連論文リスト
- A Semiparametric Approach to Causal Inference [2.092897805817524]
因果推論において、重要な問題は介入や治療の効果を定量化することである。
本稿では, 半パラメトリック密度比モデル(DRM)を用いて, 対物分布の特徴付けを行う。
我々のモデルは、対物分布に関する厳密なパラメトリック仮定を避けることで柔軟性を提供する。
論文 参考訳（メタデータ） (2024-11-01T18:03:38Z) - A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [6.647819824559201]
本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。
その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
論文 参考訳（メタデータ） (2024-10-02T20:46:21Z) - Generative vs. Discriminative modeling under the lens of uncertainty quantification [0.929965561686354]
本稿では,生成的アプローチと識別的アプローチの比較分析を行った。
両手法が,不確実性を考慮した推論において,様々な情報源からの情報を活用する能力を比較する。
本稿では,両手法の教師あり学習と,検討されたモデリング手法と互換性のあるセミ教師あり学習を実現するための一般的なサンプリング手法を提案する。
論文 参考訳（メタデータ） (2024-06-13T14:32:43Z) - 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) - Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models [15.817239008727789]
本研究では,異なるドメインで生成された場合,サンプルがどのようなものであったのかを仮定した,ドメイン反事実と呼ばれる特定のタイプの因果クエリを解析する。
本研究では, 潜在構造因果モデル (SCM) の回復は, ドメイン・デファクト・デファクトを推定するために不要であることを示す。
また、モデル生成過程を単純化し、生成モデル推定を行うための理論的基盤となる実用的なアルゴリズムも開発する。
論文 参考訳（メタデータ） (2023-06-20T04:19:06Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。
変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文 参考訳（メタデータ） (2022-04-20T21:25:21Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳（メタデータ） (2021-04-12T18:50:11Z) - Localisation in quasiperiodic chains: a theory based on convergence of
local propagators [68.8204255655161]
局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。
これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。
結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
論文 参考訳（メタデータ） (2021-02-18T16:19:52Z) - Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。
この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。
実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
論文 参考訳（メタデータ） (2020-08-02T11:19:36Z)
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。