論文の概要: Synthetic Potential Outcomes for Mixtures of Treatment Effects
- arxiv url: http://arxiv.org/abs/2405.19225v1
- Date: Wed, 29 May 2024 16:05:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-30 16:21:56.720745
- Title: Synthetic Potential Outcomes for Mixtures of Treatment Effects
- Title(参考訳): 治療効果の混合に対する合成電位効果
- Authors: Bijan Mazaheri, Chandler Squires, Caroline Uhler,
- Abstract要約: 異種データセットに対する「合成ポテンシャル結果」(SPO)を提案する。
我々の新しいアプローチは、MTEの識別可能性も保証しながら、異種性を分解する。
合成データに対するSPOの有効性を実証する。
- 参考スコア(独自算出の注目度): 9.649642656207869
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Modern data analysis frequently relies on the use of large datasets, often constructed as amalgamations of diverse populations or data-sources. Heterogeneity across these smaller datasets constitutes two major challenges for causal inference: (1) the source of each sample can introduce latent confounding between treatment and effect, and (2) diverse populations may respond differently to the same treatment, giving rise to heterogeneous treatment effects (HTEs). The issues of latent confounding and HTEs have been studied separately but not in conjunction. In particular, previous works only report the conditional average treatment effect (CATE) among similar individuals (with respect to the measured covariates). CATEs cannot resolve mixtures of potential treatment effects driven by latent heterogeneity, which we call mixtures of treatment effects (MTEs). Inspired by method of moment approaches to mixture models, we propose "synthetic potential outcomes" (SPOs). Our new approach deconfounds heterogeneity while also guaranteeing the identifiability of MTEs. This technique bypasses full recovery of a mixture, which significantly simplifies its requirements for identifiability. We demonstrate the efficacy of SPOs on synthetic data.
- Abstract(参考訳): 現代のデータ分析は、しばしば、多様な集団やデータソースの集約として構築される大規模なデータセットの使用に依存している。
これらの小さなデータセット間の不均一性は、(1)各サンプルのソースは、治療と効果の間に潜伏的な相同性を導入することができ、(2)多様な個体群は、同じ治療に対して異なる反応を示し、不均一な治療効果(HTEs)を引き起こす。
潜伏接地とHTEの問題は別々に研究されているが, 共同研究は行われていない。
特に、過去の研究では、類似した個人(測定された共変量に関して)の条件平均治療効果(CATE)しか報告していない。
CATEは、潜在的不均一性によって引き起こされる潜在的な治療効果の混合物を解決できない。
混合モデルに対するモーメントアプローチの手法に着想を得て,SPO(synthetic potential outcomes)を提案する。
我々の新しいアプローチは、MTEの識別可能性も保証しながら、異種性を分解する。
この手法は混合物の完全回復を回避し、識別可能性に対する要求を大幅に単純化する。
合成データに対するSPOの有効性を実証する。
関連論文リスト
- Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳(メタデータ) (2024-04-24T09:04:36Z) - Generation is better than Modification: Combating High Class Homophily Variance in Graph Anomaly Detection [51.11833609431406]
異なるクラス間のホモフィリー分布の差は、ホモフィリックグラフやヘテロフィリックグラフよりも著しく大きい。
我々は、この現象を定量的に記述した、クラスホモフィリーバリアンスと呼ばれる新しい計量を導入する。
その影響を軽減するために,ホモフィリーエッジ生成グラフニューラルネットワーク(HedGe)と呼ばれる新しいGNNモデルを提案する。
論文 参考訳(メタデータ) (2024-03-15T14:26:53Z) - C-Mixup: Improving Generalization in Regression [71.10418219781575]
混合アルゴリズムは、一対の例とその対応するラベルを線形補間することによって一般化を改善する。
ラベルの類似度に基づいてサンプリング確率を調整するC-Mixupを提案する。
C-Mixupは6.56%、4.76%、5.82%の改善、タスクの一般化、アウト・オブ・ディストリビューションの堅牢性を実現している。
論文 参考訳(メタデータ) (2022-10-11T20:39:38Z) - Joint Probability Estimation Using Tensor Decomposition and Dictionaries [3.4720326275851994]
本研究では, 与えられた離散確率と連続確率変数の連立確率の非パラメトリック推定を, それらの(経験的推定)2次元境界値から検討した。
我々は、データを調べて分布の様々なファミリーの辞書を作成し、それを混合した製品の各分解因子を近似するために利用する。
論文 参考訳(メタデータ) (2022-03-03T11:55:51Z) - A Robust and Flexible EM Algorithm for Mixtures of Elliptical
Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。
楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。
合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文 参考訳(メタデータ) (2022-01-28T10:01:37Z) - Mixture Representation Learning with Coupled Autoencoders [1.589915930948668]
我々は、cpl-mixVAEと呼ばれる複数の相互作用ネットワークを用いた教師なし変分フレームワークを提案する。
このフレームワークでは、各ネットワークの混合表現は、離散因子にコンセンサス制約を課すことで正規化される。
提案手法を用いて,単細胞転写データセットにおける遺伝子発現を記述した変数の離散的・連続的因子を共同で発見する。
論文 参考訳(メタデータ) (2020-07-20T04:12:04Z) - Mixture of Conditional Gaussian Graphical Models for unlabelled
heterogeneous populations in the presence of co-factors [0.0]
ガウス図形モデル(GGM)内の条件相関ネットワークは、ランダムベクトルの成分間の直接相互作用を記述するために広く使われている。
本稿では,データポイントをサブポピュレーション対応クラスタに再分類するために,共機能の不均一な効果を減じる条件付きGGM(Mixture of Conditional GGM)を提案する。
論文 参考訳(メタデータ) (2020-06-19T11:57:30Z) - Consistent Estimation of Identifiable Nonparametric Mixture Models from
Grouped Observations [84.81435917024983]
この研究は、グループ化された観測から任意の同定可能な混合モデルを一貫して推定するアルゴリズムを提案する。
ペア化された観測のために実践的な実装が提供され、アプローチは既存の手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-06-12T20:44:22Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳(メタデータ) (2020-04-14T06:18:50Z) - Causal Structure Discovery from Distributions Arising from Mixtures of
DAGs [12.12755951035594]
それぞれのモデルが有向非巡回グラフ(DAG)で表される因果モデルから生じる分布を考察する。
これらのアルゴリズムは, 成分DAGの「ユニオン」を復元し, 成分DAG間の条件分布が異なる変数を同定可能であることを示す。
直近の応用として、各混合成分に応じてサンプルをクラスタリングするために、この因果情報の検索がどのように利用できるかを示す。
論文 参考訳(メタデータ) (2020-01-31T16:33:26Z) - Blocked Clusterwise Regression [0.0]
我々は、各ユニットが複数の潜伏変数を持つことを可能にすることで、離散的非観測的不均一性に対する以前のアプローチを一般化する。
我々は,クラスタの過剰な数のクラスタリングの理論に寄与し,この設定に対する新たな収束率を導出する。
論文 参考訳(メタデータ) (2020-01-29T23:29:31Z)
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。