論文の概要: Shrinkage-Based Regressions with Many Related Treatments
- arxiv url: http://arxiv.org/abs/2507.01202v1
- Date: Tue, 01 Jul 2025 21:44:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:59.940413
- Title: Shrinkage-Based Regressions with Many Related Treatments
- Title（参考訳）: 多くの関連治療を施した収縮型回帰
- Authors: Enes Dilber, Colin Gray,
- Abstract要約: 実践者は、しばしば関連する部分的な重なり合う多くの治療の効果を解き放つことを望んでいる。
個別の処理係数を推定する一般的なアプローチは、現実的な意思決定にはうるさすぎる。
そこで我々は,不均質なモデルと均質なモデルの間を移動させるために,カスタマイズされたリッジ回帰を用いた計算学的軽量モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When using observational causal models, practitioners often want to disentangle the effects of many related, partially-overlapping treatments. Examples include estimating treatment effects of different marketing touchpoints, ordering different types of products, or signing up for different services. Common approaches that estimate separate treatment coefficients are too noisy for practical decision-making. We propose a computationally light model that uses a customized ridge regression to move between a heterogeneous and a homogenous model: it substantially reduces MSE for the effects of each individual sub-treatment while allowing us to easily reconstruct the effects of an aggregated treatment. We demonstrate the properties of this estimator in theory and simulation, and illustrate how it has unlocked targeted decision-making at Wayfair.
- Abstract（参考訳）: 観察因果モデルを使用する場合、実践者は、しばしば関連する部分的に重複する多くの治療の効果を解き放つことを望んでいる。
例えば、異なるマーケティングタッチポイントの処理効果の見積、異なるタイプの製品の注文、異なるサービスへのサインアップなどです。
個別の処理係数を推定する一般的なアプローチは、現実的な意思決定にはうるさすぎる。
本研究では, 最適化されたリッジ回帰を用いて不均一なモデルと均質なモデルの間を移動し, 個々のサブ処理の効果について, MSEを著しく低減し, 集約処理の効果を容易に再構築できる計算軽量モデルを提案する。
我々は,この推定器の特性を理論とシミュレーションで実証し,Wayfairにおける目標決定の解き放つ方法を示した。
関連論文リスト
- Disentangled Representation via Variational AutoEncoder for Continuous Treatment Effect Estimation [1.105274635981989]
可変オートエンコーダ(DRVAE)を用いた新しいDose-Response曲線推定器を提案する。
我々のモデルは現在の最先端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） (2024-06-04T13:41:07Z) - Individualized Multi-Treatment Response Curves Estimation using RBF-net with Shared Neurons [1.1119247609126184]
反応曲線の非パラメトリックモデリングは、共有された隠れニューロンを持つ放射基底関数(RBF)-ネットに依存している。
本手法をMIMICデータに適用し, 在宅中絶患者に対するICU滞在時間と12時間SOFAスコアに対する異なる治療方法の効果に関する興味深い知見を得た。
論文 参考訳（メタデータ） (2024-01-29T21:13:01Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳（メタデータ） (2020-02-10T20:47:36Z) - 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)
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。