論文の概要: Density Ratio-based Proxy Causal Learning Without Density Ratios

• arxiv url: http://arxiv.org/abs/2503.08371v1
• Date: Tue, 11 Mar 2025 12:27:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:41:57.705343
• Title: Density Ratio-based Proxy Causal Learning Without Density Ratios
• Title（参考訳）: 密度比を含まない密度比に基づくプロキシ因果学習
• Authors: Bariscan Bozkurt, Ben Deaner, Dimitri Meunier, Liyuan Xu, Arthur Gretton,
• Abstract要約: 本稿では,隠れた共起の存在下で観測データから因果効果を推定することを目的とした,プロキシ因果学習(PCL)の設定に対処する。 プロキシ変数の因果効果を推定する2つの手法が提案されている。 本稿では, 比比の明示的推定を回避し, 連続・高次元処理に適した第2の手法の実用的, 効果的な実装を提案する。
• 参考スコア（独自算出の注目度）: 26.49087216375106
• License:
• Abstract: We address the setting of Proxy Causal Learning (PCL), which has the goal of estimating causal effects from observed data in the presence of hidden confounding. Proxy methods accomplish this task using two proxy variables related to the latent confounder: a treatment proxy (related to the treatment) and an outcome proxy (related to the outcome). Two approaches have been proposed to perform causal effect estimation given proxy variables; however only one of these has found mainstream acceptance, since the other was understood to require density ratio estimation - a challenging task in high dimensions. In the present work, we propose a practical and effective implementation of the second approach, which bypasses explicit density ratio estimation and is suitable for continuous and high-dimensional treatments. We employ kernel ridge regression to derive estimators, resulting in simple closed-form solutions for dose-response and conditional dose-response curves, along with consistency guarantees. Our methods empirically demonstrate superior or comparable performance to existing frameworks on synthetic and real-world datasets.
• Abstract（参考訳）: 本稿では,隠れた共起の存在下で観測データから因果効果を推定することを目的とした,プロキシ因果学習(PCL)の設定に対処する。 Proxyメソッドは、潜伏した共同創設者に関連する2つのプロキシ変数、すなわち、治療プロキシ(治療に関連する)と結果プロキシ(結果に関連する)を使用して、このタスクを達成します。 プロキシ変数が与えられた場合の因果効果推定には2つの方法が提案されているが、高次元の課題である密度比推定を必要とすると理解されているため、そのうちの1つのみが主流に受け入れられている。 本研究は, 明示的な密度比推定を回避し, 連続・高次元処理に適した第2手法の実用的, 効果的な実装を提案する。 我々は,カーネルリッジ回帰を用いて推定器を導出し,条件付き線量応答曲線と条件付き線量応答曲線に対する簡単な閉形式解と整合性を保証する。 提案手法は,既存の合成および実世界のデータセット上でのフレームワークよりも優れた,あるいは同等のパフォーマンスを実証的に示す。

関連論文リスト

• Automating the Selection of Proxy Variables of Unmeasured Confounders [16.773841751009748]
  既存のプロキシ変数推定器を拡張して、治療と結果の間に複数の未測定の共同創設者が存在するシナリオに対応する。 本稿では、プロキシ変数の選択と因果効果の偏りのない推定のための2つのデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2024-05-25T08:53:49Z)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• Kernel Single Proxy Control for Deterministic Confounding [32.70182383946395]
  結果が確定的に生成される場合,一つのプロキシ変数が因果推定に十分であることを示す。 我々は、挑戦的な合成ベンチマークにおいて因果効果を回復できることを実証し、実証的に証明する。
  論文  参考訳（メタデータ） (2023-08-08T21:11:06Z)
• B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under Hidden Confounding [51.74479522965712]
  本稿では,B-Learnerと呼ばれるメタラーナーを提案する。 我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
  論文  参考訳（メタデータ） (2023-04-20T18:07:19Z)
• Causal Inference under Data Restrictions [0.0]
  この論文は、不確実性とデータ制限の下での現代の因果推論に焦点を当てている。 これには、ネオアジュバント臨床試験、分散データネットワーク、堅牢な個別化意思決定へのアプリケーションが含まれる。
  論文  参考訳（メタデータ） (2023-01-20T20:14:32Z)
• Deep Learning Methods for Proximal Inference via Maximum Moment Restriction [0.0]
  深層ニューラルネットワークに基づくフレキシブルでスケーラブルな手法を導入し,不測の共起の存在による因果効果を推定する。 提案手法は,2つの確立された近位推定ベンチマークにおいて,技術性能の状態を達成している。
  論文  参考訳（メタデータ） (2022-05-19T19:51:42Z)
• Deterministic and Discriminative Imitation (D2-Imitation): Revisiting Adversarial Imitation for Sample Efficiency [61.03922379081648]
  本稿では,敵対的トレーニングやmin-max最適化を必要としない非政治的サンプル効率の手法を提案する。 実験の結果, D2-Imitation はサンプル効率の向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-12-11T19:36:19Z)
• Deep Proxy Causal Learning and its Application to Confounded Bandit Policy Evaluation [26.47311758786421]
  プロキシ因果学習(英: Proxy causal learning、PCL)は、治療の因果効果を未観察の結束の有無で推定する方法である。 そこで本研究では,PCLの新しい手法であるDFPV(Deep Feature proxy variable method)を提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:36:13Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with Latent Confounders [62.54431888432302]
  無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。 我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
  論文  参考訳（メタデータ） (2020-07-27T22:19:01Z)

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。