論文の概要: C-kNN-LSH: A Nearest-Neighbor Algorithm for Sequential Counterfactual Inference
- arxiv url: http://arxiv.org/abs/2602.02371v1
- Date: Mon, 02 Feb 2026 17:35:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:34.32789
- Title: C-kNN-LSH: A Nearest-Neighbor Algorithm for Sequential Counterfactual Inference
- Title（参考訳）: C-kNN-LSH: 逐次対数推論のための最近近傍アルゴリズム
- Authors: Jing Wang, Jie Shen, Qiaomin Xie, Jeremy C Weiss,
- Abstract要約: 経時的軌跡から因果効果を推定することは、複雑な状態の進行の理解の中心である。
シーケンシャル因果推論のための最寄りのフレームワークであるemphC-kNN-LSHを紹介する。
- 参考スコア（独自算出の注目度）: 18.510457926165373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Estimating causal effects from longitudinal trajectories is central to understanding the progression of complex conditions and optimizing clinical decision-making, such as comorbidities and long COVID recovery. We introduce \emph{C-kNN--LSH}, a nearest-neighbor framework for sequential causal inference designed to handle such high-dimensional, confounded situations. By utilizing locality-sensitive hashing, we efficiently identify ``clinical twins'' with similar covariate histories, enabling local estimation of conditional treatment effects across evolving disease states. To mitigate bias from irregular sampling and shifting patient recovery profiles, we integrate neighborhood estimator with a doubly-robust correction. Theoretical analysis guarantees our estimator is consistent and second-order robust to nuisance error. Evaluated on a real-world Long COVID cohort with 13,511 participants, \emph{C-kNN-LSH} demonstrates superior performance in capturing recovery heterogeneity and estimating policy values compared to existing baselines.
- Abstract（参考訳）: 経年的軌跡から因果関係を推定することは、複雑な状態の進行を理解し、合併症や長期のCOVID-19回復などの臨床的意思決定を最適化するために重要である。
我々は,このような高次元的,整合した状況を扱うために設計されたシーケンシャルな因果推論のための最寄りのフレームワークである 'emph{C-kNN--LSH} を紹介する。
局所性に敏感なハッシュを用いて, 類似した共変量履歴を持つ'clinical twins''を効率よく同定し, 進行する疾患状態における条件付き治療効果の局所的評価を可能にした。
不規則なサンプリングから患者回復プロファイルのシフトへのバイアスを軽減するため、近隣推定器を2倍のロスト補正と統合する。
理論的解析により、推定器は一貫性があり、二階目はニュアンス誤差に対して頑健である。
13,511人の参加者を擁する現実世界のLong COVIDコホートで評価したところ、emph{C-kNN-LSH} は、回復不均一性を捕捉し、既存のベースラインと比較してポリシー値を推定する上で優れた性能を示した。
関連論文リスト
- Direct Doubly Robust Estimation of Conditional Quantile Contrasts [8.035129168712334]
条件量子コンパレータ(CQC)は条件量子処理効果(CQTE)に類似した条件量子レベルの要約を提供する
電流推定は、まず条件付き累積分布関数の差を推定し、逆推定する必要性によって制限される。
我々はCQCの最初の直接推定器を提案し、明示的なモデリングとパラメータ化を可能にした。
論文 参考訳（メタデータ） (2026-01-27T14:46:25Z) - Learning Causality for Longitudinal Data [1.2691047660244335]
この論文は、高次元の時間変化データにおける因果推論と因果表現学習の手法を開発する。
最初のコントリビューションは、個別処理効果(ITE)を推定するモデルであるCDVAE(Causal Dynamic Variational Autoencoder)の導入である。
第2のコントリビューションでは,Contrastive Predictive Coding (CPC) とInfoMaxによって強化された RNN に基づく長期的反事実回帰のための効率的なフレームワークを提案する。
第3のコントリビューションは、潜伏が観察された変数にどのように現れるかに対処することでCRLを前進させる。
論文 参考訳（メタデータ） (2025-12-04T16:51:49Z) - Learning bounds for doubly-robust covariate shift adaptation [8.24901041136559]
トレーニングドメインとテストドメイン間の分散シフトは、マシンラーニングにとって重要な課題である。
Doubly-robust (DR) 推定器は、密度比推定とパイロット回帰モデルを組み合わせる。
本稿では,DR推定器の非漸近学習境界を初めて確立する。
論文 参考訳（メタデータ） (2025-11-14T06:46:23Z) - Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。
以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-10-22T19:06:39Z) - A Hybrid Enumeration Framework for Optimal Counterfactual Generation in Post-Acute COVID-19 Heart Failure [1.9794615806637272]
本稿では,個別化リスク推定と介入分析のための非現実的推論フレームワークを提案する。
このフレームワークは、厳密な列挙と最適化に基づく手法(NICE(Nearest Instance Counterfactual Explanations)やMOC(Multi-Objective Counterfactuals)アルゴリズムなど)を組み合わせる。
論文 参考訳（メタデータ） (2025-10-21T17:35:12Z) - Classifying Clinical Outcome of Epilepsy Patients with Ictal Chirp Embeddings [0.23020018305241333]
本研究では,t-Distributed Neighbor Embedding (t-SNE) を利用して,様々な結果シナリオにおけるチャープ特徴の解釈可能な可視化を行うパイプラインを提案する。
データセットは、チャープベースの時間、スペクトル、周波数メトリクスから構成される。
t-SNEを用いて,群集問題に対処しながら地域住民関係を保存した。
論文 参考訳（メタデータ） (2025-08-19T03:14:41Z) - In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。
実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
論文 参考訳（メタデータ） (2025-02-17T10:00:24Z) - A Partial Initialization Strategy to Mitigate the Overfitting Problem in CATE Estimation with Hidden Confounding [44.874826691991565]
観察データから条件平均治療効果(CATE)を推定することは、電子商取引、医療、経済などの分野において重要な役割を果たす。
既存の研究は主に、隠れた共同設立者がいないという強い無知の仮定に依存している。
ランダム化制御試験 (RCT) から収集されたデータは、共起に苦しむことはないが、通常は小さなサンプルサイズによって制限される。
論文 参考訳（メタデータ） (2025-01-15T15:58:16Z) - 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)
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。