Fugu-MT 論文翻訳(概要): General Causal Imputation via Synthetic Interventions

論文の概要: General Causal Imputation via Synthetic Interventions

arxiv url: http://arxiv.org/abs/2410.20647v1
Date: Mon, 28 Oct 2024 00:58:13 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-29 12:17:51.068238
Title: General Causal Imputation via Synthetic Interventions
Title（参考訳）: 合成インターベンションによる一般因果計算
Authors: Marco Jiralerspong, Thomas Jiralerspong, Vedant Shah, Dhanya Sridhar, Gauthier Gidel,
Abstract要約: 汎用合成介入法(GSI)を応用した新しい因果情報伝達推定器について紹介する。より複雑な潜在因子モデルから生成されたデータに対するこの推定器の同定可能性を証明する。合成データと実データから、推定値の回復や性能向上を実証的に示す。
参考スコア（独自算出の注目度）: 16.753521247299826
License:
Abstract: Given two sets of elements (such as cell types and drug compounds), researchers typically only have access to a limited subset of their interactions. The task of causal imputation involves using this subset to predict unobserved interactions. Squires et al. (2022) have proposed two estimators for this task based on the synthetic interventions (SI) estimator: SI-A (for actions) and SI-C (for contexts). We extend their work and introduce a novel causal imputation estimator, generalized synthetic interventions (GSI). We prove the identifiability of this estimator for data generated from a more complex latent factor model. On synthetic and real data we show empirically that it recovers or outperforms their estimators.
Abstract（参考訳）: 2つの要素(細胞型や薬物化合物など)が与えられた場合、研究者は通常、相互作用の限られたサブセットにしかアクセスできない。因果計算のタスクは、このサブセットを使用して観測されていない相互作用を予測することである。 Squires et al (2022) は、SI-A (アクション) と SI-C (コンテキスト) という合成介入(SI) 推定器に基づいて、このタスクに対する2つの推定器を提案している。我々は、それらの研究を拡張し、新しい因果関係予測器、一般化合成介入(GSI)を導入する。より複雑な潜在因子モデルから生成されたデータに対するこの推定器の同定可能性を証明する。合成データと実データから、推定値の回復や性能向上を実証的に示す。

関連論文リスト

Interaction Measures, Partition Lattices and Kernel Tests for High-Order Interactions [1.9457612782595313]
2つ以上の変数のグループ間の非自明な依存関係は、そのようなシステムの分析とモデリングにおいて重要な役割を果たす。我々は、結合確率分布の因数分解をますます含む、$d$-order$d geq 2$)相互作用測度の階層を導入する。また、相互作用測度とそれらの複合置換試験の導出を解明する格子理論と数学的リンクを確立する。
論文参考訳（メタデータ） (2023-06-01T16:59:37Z)
Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue Response Generation Models by Causal Discovery [52.95935278819512]
本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
論文参考訳（メタデータ） (2023-03-02T06:33:48Z)
Characterization and Greedy Learning of Gaussian Structural Causal Models under Unknown Interventions [3.441021278275805]
本研究は,各実験における介入対象が不明な場合の観察に基づく因果構造回復の問題について考察する。干渉対象の知識のないデータ生成モデルの同値クラスを復元するために,GnIESと呼ばれるグリーディアルゴリズムを導出する。我々は,この手法を活用し,合成,実,半合成のデータセット上でのGnIESの性能を評価する。
論文参考訳（メタデータ） (2022-11-27T17:37:21Z)
Generalization bounds and algorithms for estimating conditional average treatment effect of dosage [13.867315751451494]
本研究では,治療薬対の条件付き平均因果効果を観測データと仮定の組み合わせで推定する作業について検討した。これは疫学や経済学など、意思決定のために治療薬対を必要とする分野における長年にわたる課題である。この問題に対するいくつかのベンチマークデータセットに対して、実証的に新しい最先端のパフォーマンス結果を示す。
論文参考訳（メタデータ） (2022-05-29T15:26:59Z)
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)
Machine Learning-Based Estimation and Goodness-of-Fit for Large-Scale Confirmatory Item Factor Analysis [0.0]
大規模項目因子分析(IFA)のための新しいパラメータ推定法と適合度評価法について検討する。パラメータ推定のために、探索型IFAのためのUrban and Bauer's Deep Learning Algorithm(2021)を検証環境に拡張する。 GOF評価のための新しいシミュレーションベーステストと指標について検討する。
論文参考訳（メタデータ） (2021-09-20T12:53:01Z)
Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-08T14:29:07Z)
Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
論文参考訳（メタデータ） (2020-07-17T02:47:45Z)
Synthetic Interventions [18.6573968345062]
SC(Synthetic Control)方法論は,パネルデータアプリケーションにおけるポリシー評価のための重要なツールである。近年の[Abadie '20]では,SC手法の先駆者の一人が,SCフレームワークを複数の治療法に拡張する方法について疑問を投げかけている。本稿は、合成介入(SI)と呼ぶこのオープンな疑問に対する一つの解決法を提供する。
論文参考訳（メタデータ） (2020-06-13T18:15:22Z)
Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文参考訳（メタデータ） (2020-06-02T16:26:49Z)
Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。