論文の概要: Beyond Flatland: A Geometric Take on Matching Methods for Treatment Effect Estimation

• arxiv url: http://arxiv.org/abs/2409.05459v1
• Date: Mon, 9 Sep 2024 09:39:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 15:10:24.518215
• Title: Beyond Flatland: A Geometric Take on Matching Methods for Treatment Effect Estimation
• Title（参考訳）: Beyond Flatland: 治療効果推定のためのマッチング手法に関する幾何学的考察
• Authors: Melanie F. Pradier, Javier González,
• Abstract要約: 本稿では,既存の因果機構によって誘導される内在データ幾何を考慮した治療効果を推定するマッチング手法を提案する。 我々は、GeoMatchingがより効果的に治療効果を推定できることを示す、合成および実世界のシナリオにおける理論的洞察と実証結果を提供する。
• 参考スコア（独自算出の注目度）: 6.4527669089403155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Matching is a popular approach in causal inference to estimate treatment effects by pairing treated and control units that are most similar in terms of their covariate information. However, classic matching methods completely ignore the geometry of the data manifold, which is crucial to define a meaningful distance for matching, and struggle when covariates are noisy and high-dimensional. In this work, we propose GeoMatching, a matching method to estimate treatment effects that takes into account the intrinsic data geometry induced by existing causal mechanisms among the confounding variables. First, we learn a low-dimensional, latent Riemannian manifold that accounts for uncertainty and geometry of the original input data. Second, we estimate treatment effects via matching in the latent space based on the learned latent Riemannian metric. We provide theoretical insights and empirical results in synthetic and real-world scenarios, demonstrating that GeoMatching yields more effective treatment effect estimators, even as we increase input dimensionality, in the presence of outliers, or in semi-supervised scenarios.
• Abstract（参考訳）: マッチングは、共変量情報の観点から最もよく似たペアリング処理と制御ユニットによる治療効果を推定する因果推論において一般的なアプローチである。 しかし、古典的なマッチング法は、マッチングに意味のある距離を定義することが不可欠であるデータ多様体の幾何学を完全に無視する。 そこで本研究では,既存の因果関係から誘導される固有データ形状を考慮した処理効果を推定する手法であるGeoMatchingを提案する。 まず、元の入力データの不確実性と幾何を考慮に入れた低次元、潜在リーマン多様体を学ぶ。 第二に、学習された潜在リーマン計量に基づいて、潜在空間におけるマッチングによる治療効果を推定する。 合成および実世界のシナリオにおいて理論的洞察と実証結果を提供し、入力次元を増大させたとしても、GeoMatchingがより効果的に治療効果を推定できることを示した。

関連論文リスト

• Assumption-Lean Post-Integrated Inference with Negative Control Outcomes [0.0]
  負の制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。 提案手法は,予測された直接効果推定値,隠された仲介者,共同設立者,モデレーターまで拡張する。 提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
  論文  参考訳（メタデータ） (2024-10-07T12:52:38Z)
• Efficient Trajectory Inference in Wasserstein Space Using Consecutive Averaging [3.8623569699070353]
  軌道推論は、そのような観測から連続的な過程を再構築する挑戦を扱う。 ワッサーシュタイン空間に直交する連続平均化による点雲のB-スプライン近似法を提案する。 コンバージェンス保証を提供し、シミュレーションセルデータ上でテストすることで、我々の手法を厳格に評価する。
  論文  参考訳（メタデータ） (2024-05-30T04:19:20Z)
• 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)
• A Semiparametric Instrumented Difference-in-Differences Approach to Policy Learning [2.1989182578668243]
  本稿では,最適な治療方針を学習するための汎用機器差分差分法(DiD)アプローチを提案する。 具体的には、並列傾向仮定が成立しない場合、二進楽器変数(IV)を用いて識別結果を確立する。 また、ウォルド推定器、新しい逆確率推定器、半効率的で乗算的な頑健な推定器のクラスを構築する。
  論文  参考訳（メタデータ） (2023-10-14T09:38:32Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
  アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。 本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
  論文  参考訳（メタデータ） (2021-03-29T10:36:25Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)
• Matching in Selective and Balanced Representation Space for Treatment Effects Estimation [10.913802831701082]
  深層表現学習とマッチングに基づく特徴選択表現マッチング(FSRM)手法を提案する。 本研究では, FSRM法の性能を3つのデータセットで評価し, 現状の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-09-15T02:07:34Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)
• Learning Flat Latent Manifolds with VAEs [16.725880610265378]
  本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。 我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。 提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-12T09:54:52Z)

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。