論文の概要: Double Machine Learning for Causal Inference under Shared-State Interference

• arxiv url: http://arxiv.org/abs/2504.08836v1
• Date: Thu, 10 Apr 2025 16:45:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:53:59.492102
• Title: Double Machine Learning for Causal Inference under Shared-State Interference
• Title（参考訳）: 共有状態干渉下における因果推論のためのダブル機械学習
• Authors: Chris Hays, Manish Raghavan,
• Abstract要約: 市場やレコメンデーションシステムを介してユニットが相互作用する環境では、ユニットは特定の共有状態に影響を受けます。 我々はこの構造を形式化し、これを共有状態干渉と呼び、我々の定式化は多くの関連する設定を捉えていると主張する。
• 参考スコア（独自算出の注目度）: 1.9121961872220468
• License:
• Abstract: Researchers and practitioners often wish to measure treatment effects in settings where units interact via markets and recommendation systems. In these settings, units are affected by certain shared states, like prices, algorithmic recommendations or social signals. We formalize this structure, calling it shared-state interference, and argue that our formulation captures many relevant applied settings. Our key modeling assumption is that individuals' potential outcomes are independent conditional on the shared state. We then prove an extension of a double machine learning (DML) theorem providing conditions for achieving efficient inference under shared-state interference. We also instantiate our general theorem in several models of interest where it is possible to efficiently estimate the average direct effect (ADE) or global average treatment effect (GATE).
• Abstract（参考訳）: 研究者や実践者は、しばしば、市場やレコメンデーションシステムを介してユニットが相互作用する環境での治療効果を測定したいと考える。 これらの設定では、ユニットは価格、アルゴリズムレコメンデーション、ソーシャルシグナルなど、特定の共有状態に影響を受けます。 我々はこの構造を形式化し、これを共有状態干渉と呼び、我々の定式化は多くの関連する適用条件を捉えていると主張する。 我々の重要なモデリングの前提は、個人の潜在的な成果が共有状態の独立条件であることである。 次に、共有状態干渉下で効率的な推論を実現する条件を提供する二重機械学習(DML)定理の拡張を証明した。 我々はまた、平均的直接効果(ADE)または大域的平均処理効果(GATE)を効率的に推定できるいくつかの利害関係モデルで一般定理をインスタンス化する。

関連論文リスト

• Linear Contextual Bandits with Interference [14.835167982538053]
  線形CB(LinCB)における干渉に対処するための体系的枠組みを導入する。 本稿では、報酬モデリングプロセスにおける干渉効果を明示的に定量化する一連のアルゴリズムを提案する。 提案手法の有効性をシミュレーションおよびMovieLensデータに基づく合成データを用いて実証した。
  論文  参考訳（メタデータ） (2024-09-24T02:51:00Z)
• Composable Interventions for Language Models [60.32695044723103]
  言語モデルのテストタイム介入は、事実の正確性を高め、有害な出力を軽減し、コストのかかる再トレーニングなしにモデルの効率を向上させる。 しかし、新しい手法の洪水にもかかわらず、様々な種類の介入が独立して発展している。 複数の介入が同じ言語モデルに与える影響を研究するためのフレームワークである構成可能な介入を導入する。
  論文  参考訳（メタデータ） (2024-07-09T01:17:44Z)
• Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration [43.59040957749326]
  我々は「オーバーラップ」の合成制御法(SCM)においてしばしば見過ごされるが、ユビキタスな仮定に光を当てた。 我々は、通常考慮しない介入を行うために、異なる好みのユニットにインセンティブを与えるフレームワークを提案する。 そこでは、制御だけでなく、すべての介入の下で対実的な結果を生み出すことを目標としています。
  論文  参考訳（メタデータ） (2023-12-26T19:25:11Z)
• Causal Message Passing for Experiments with Unknown and General Network Interference [5.294604210205507]
  複雑で未知のネットワーク干渉に対応する新しいフレームワークを提案する。 我々のフレームワークは因果的メッセージパッシングと呼ばれ、高次元近似的メッセージパッシング手法に基づいている。 本手法の有効性を5つの数値シナリオで示す。
  論文  参考訳（メタデータ） (2023-11-14T17:31:50Z)
• Estimating Treatment Effects Under Heterogeneous Interference [24.714971680893402]
  本稿では,多様な近隣住民の情報を集約する新しいアーキテクチャを開発することにより,異種干渉をモデル化する新しい手法を提案する。 提案手法は,同一ビュー情報を集約するグラフニューラルネットワーク,異なるビューから情報を集約するメカニズム,注目メカニズムを含む。
  論文  参考訳（メタデータ） (2023-09-25T05:44:17Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
  ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。 トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
  本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
  論文  参考訳（メタデータ） (2022-10-31T13:04:07Z)
• Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
  深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。 本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。 自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
  論文  参考訳（メタデータ） (2021-06-07T17:47:16Z)
• 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)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)
• Nonparametric inference for interventional effects with multiple mediators [0.0]
  より柔軟で、おそらく機械学習に基づく推定技術を可能にする理論を提供する。 提案した推定器の複数のロバスト性特性を示す。 本研究は, 介入媒介効果の推定において, 最新の統計的学習手法を活用する手段を提供する。
  論文  参考訳（メタデータ） (2020-01-16T19:05:00Z)

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。