論文の概要: A primer on optimal transport for causal inference with observational data

• arxiv url: http://arxiv.org/abs/2503.07811v2
• Date: Wed, 12 Mar 2025 18:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 12:09:10.072127
• Title: A primer on optimal transport for causal inference with observational data
• Title（参考訳）: 観測データを用いた因果推論のための最適輸送法の検討
• Authors: Florian F Gunsilius,
• Abstract要約: このレビューの目的は、最適な輸送と観測データによる因果関係の同定の間の驚くほど深い関係について紹介することである。 結果として、このレビューは、統計学、数学、計量学の様々な分野の言語と表記を統一することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The theory of optimal transportation has developed into a powerful and elegant framework for comparing probability distributions, with wide-ranging applications in all areas of science. The fundamental idea of analyzing probabilities by comparing their underlying state space naturally aligns with the core idea of causal inference, where understanding and quantifying counterfactual states is paramount. Despite this intuitive connection, explicit research at the intersection of optimal transport and causal inference is only beginning to develop. Yet, many foundational models in causal inference have implicitly relied on optimal transport principles for decades, without recognizing the underlying connection. Therefore, the goal of this review is to offer an introduction to the surprisingly deep existing connections between optimal transport and the identification of causal effects with observational data -- where optimal transport is not just a set of potential tools, but actually builds the foundation of model assumptions. As a result, this review is intended to unify the language and notation between different areas of statistics, mathematics, and econometrics, by pointing out these existing connections, and to explore novel problems and directions for future work in both areas derived from this realization.
• Abstract（参考訳）: 最適輸送の理論は、確率分布を比較するための強力でエレガントな枠組みへと発展し、科学のあらゆる分野に広く応用されている。 基礎となる状態空間を比較して確率を分析するという基本的な考え方は、因果推論のコアアイデアと自然に一致し、反事実状態の理解と定量化が最重要である。 この直感的な接続にもかかわらず、最適な輸送と因果推論の交点における明確な研究は発展し始めている。 しかし、因果推論の基盤モデルの多くは、根底にある関係を認識することなく、数十年間、最適な輸送原理に暗黙的に依存してきた。 したがって、このレビューの目的は、最適なトランスポートと観測データによる因果関係の同定の間の驚くほど深い既存のコネクションの導入を提供することであり、最適なトランスポートは、単なる潜在的なツールのセットではなく、実際にモデル仮定の基礎を構築することである。 その結果、このレビューは、これらの既存の関係を指摘し、統計学、数学、計量学の異なる分野の言語と表記を統一することを目的としており、この実現から派生した両方の分野における将来の研究の新たな問題と方向性を探求することを目的としている。

関連論文リスト

• Towards Understanding Extrapolation: a Causal Lens [53.15488984371969]
  我々は、外挿がいつ可能かを理論的に理解し、それを実現するための原則的な方法を提供する。 この定式化の下では、外挿問題を潜在変数識別問題にキャストする。 この理論は、基礎となる多様体の滑らかさとシフト特性の間の複雑な相互作用を明らかにする。
  論文  参考訳（メタデータ） (2025-01-15T21:29:29Z)
• Deriving Causal Order from Single-Variable Interventions: Guarantees & Algorithm [14.980926991441345]
  介入データを含むデータセットは,データ分布に関する現実的な仮定の下で効果的に抽出可能であることを示す。 観察的および介入的設定における各変数の限界分布の比較に依拠する介入忠実性を導入する。 また、多数の単一変数の介入を含むデータセットから因果順序を推測するアルゴリズムであるIntersortを導入する。
  論文  参考訳（メタデータ） (2024-05-28T16:07:17Z)
• Optimal Transport for Structure Learning Under Missing Data [31.240965564055138]
  そこで本稿では,最適なトランスポートに基づくデータから因果構造を学習するためのスコアベースアルゴリズムを提案する。 我々のフレームワークは,ほとんどのシミュレーションや実データ設定において競合する手法よりも,真の因果構造を効果的に回復することが示されている。
  論文  参考訳（メタデータ） (2024-02-23T10:49:04Z)
• Conditional Optimal Transport on Function Spaces [53.9025059364831]
  ブロック三角形モンジュ写像を記述した制約付き最適輸送問題の理論を開発する。 これは、一般的なコスト関数を持つ分離可能な無限次元函数空間への最適三角輸送の理論を一般化する。 本稿では,機能パラメータの非道徳的および可能性のない推論に対する理論的結果の計算的適用性を示す数値実験を行う。
  論文  参考訳（メタデータ） (2023-11-09T18:44:42Z)
• 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)
• Inherent Inconsistencies of Feature Importance [6.02357145653815]
  特徴重要度は、予測結果に対する個々の特徴の寄与にスコアを割り当てる手法である。 本稿では,特徴重要度スコアの異なる文脈間のコヒーレントな関係を確立するために設計された公理的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-06-16T14:21:51Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• 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)
• A contribution to Optimal Transport on incomparable spaces [4.873362301533825]
  この論文は、異なるデータが非可換空間に属する複雑なシナリオを研究することを提案する。 この論文は、これらの異なるケースに対して最適なトランスポートツールセットを提案する。
  論文  参考訳（メタデータ） (2020-11-09T14:13:52Z)
• Generalization Properties of Optimal Transport GANs with Latent Distribution Learning [52.25145141639159]
  本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。 我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
  論文  参考訳（メタデータ） (2020-07-29T07:31:33Z)

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。