論文の概要: Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates via Generalized Riesz Regression

• arxiv url: http://arxiv.org/abs/2511.08303v1
• Date: Wed, 12 Nov 2025 01:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.749936
• Title: Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates via Generalized Riesz Regression
• Title（参考訳）: 一般リース回帰によるラベルなし共変量による半監督的処理効果の推定
• Authors: Masahiro Kato,
• Abstract要約: 我々は効率境界と分散が効率境界に一致するような効率境界と効率推定器を開発する。 分析では,1サンプル設定と2サンプル設定という,2つの異なるデータ生成プロセスを導入する。
• 参考スコア（独自算出の注目度）: 6.44705221140412
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study investigates treatment effect estimation in the semi-supervised setting, where we can use not only the standard triple of covariates, treatment indicator, and outcome, but also unlabeled auxiliary covariates. For this problem, we develop efficiency bounds and efficient estimators whose asymptotic variance aligns with the efficiency bound. In the analysis, we introduce two different data-generating processes: the one-sample setting and the two-sample setting. The one-sample setting considers the case where we can observe treatment indicators and outcomes for a part of the dataset, which is also called the censoring setting. In contrast, the two-sample setting considers two independent datasets with labeled and unlabeled data, which is also called the case-control setting or the stratified setting. In both settings, we find that by incorporating auxiliary covariates, we can lower the efficiency bound and obtain an estimator with an asymptotic variance smaller than that without such auxiliary covariates.
• Abstract（参考訳）: 本研究では, 半教師付き環境下での処理効果の評価について検討し, 共変量, 治療指標, 結果の標準三重項だけでなく, ラベル付き補助共変量についても検討した。 この問題に対して、漸近的分散が効率境界と一致した効率境界と効率的な推定器を開発する。 分析では,1サンプル設定と2サンプル設定という,2つの異なるデータ生成プロセスを導入する。 ワンサンプル・セッティング(One-sample setting)は、データセットの一部に対する治療指標と結果の観察が可能なケースを考慮し、これは検閲セッティングとも呼ばれる。 対照的に、2サンプル設定では、ラベル付きとラベルなしの2つの独立したデータセットが検討されている。 両方の設定において、補助共変数を組み込むことで、効率境界を低くすることができ、そのような補助共変数を含まない場合よりも漸近的分散の小さい推定器が得られる。

関連論文リスト

• A Two-Stage Interpretable Matching Framework for Causal Inference [0.6215404942415159]
  観測データからの因果推論のマッチングは、類似した共変量分布を持つ治療群と制御群を構築することを目的としている。 透過的かつ解釈可能な共変マッチングのための新しい2段階の解釈可能なマッチングフレームワークを提案する。 条件付き平均治療効果(CATE)を推定するために,これらの高品質なマッチングを用いる。 以上の結果から,TIMはCATE推定を改善し,多変量重なりを増大させ,高次元データに対して効果的にスケールできることが示唆された。
  論文  参考訳（メタデータ） (2025-04-13T16:17:52Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Self Adaptive Threshold Pseudo-labeling and Unreliable Sample Contrastive Loss for Semi-supervised Image Classification [6.920336485308536]
  擬似ラベルに基づく半教師付きアプローチは、画像分類において2つの問題に悩まされる。 我々は,各クラスの閾値を動的に調整し,信頼性の高いサンプル数を増やす自己適応型閾値擬似ラベル戦略を開発した。 しきい値以下でラベル付けされていないデータを効果的に活用するために、信頼できないサンプルコントラスト損失を提案する。
  論文  参考訳（メタデータ） (2024-07-04T03:04:56Z)
• CKD: Contrastive Knowledge Distillation from A Sample-wise Perspective [48.99488315273868]
  セマンティックな一貫性を維持しつつ,サンプル単位のロジットアライメントを実現するコントラッシブな知識蒸留フレームワークを提案する。 提案手法は,教師と教師の対照的アライメントを通じて「暗黒知識」をサンプルレベルで伝達する。 CIFAR-100、ImageNet-1K、MS COCOデータセットを含む3つのベンチマークデータセットの総合的な実験を行う。
  論文  参考訳（メタデータ） (2024-04-22T11:52:40Z)
• Efficient semi-supervised inference for logistic regression under case-control studies [3.5485531932219243]
  ラベル付きデータの結果がバイナリとなる半教師付き設定における推論問題を考える。 ケースコントロールサンプリングは、バイナリデータの不均衡構造を緩和するための効果的なサンプリング手法である。 ラベルのないデータが利用可能であれば、インターセプトパラメータを半教師付き学習設定で識別できることが分かる。
  論文  参考訳（メタデータ） (2024-02-23T14:55:58Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• A General Framework for Treatment Effect Estimation in Semi-Supervised and High Dimensional Settings [0.0]
  我々は, より堅牢で, (2) 教師付きよりも効率的であるSS推定器群を開発した。 さらに、モデル内の正当性スコアが正しく指定されたときに、SS推定器のルート-n整合性と正規性を確立する。 我々の推定器は、すべてのニュアンス関数が正しく指定されている限り、半パラメトリックに効率的であることが示される。
  論文  参考訳（メタデータ） (2022-01-03T04:12:44Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)

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。