論文の概要: Preference-based Conditional Treatment Effects and Policy Learning

• arxiv url: http://arxiv.org/abs/2602.03823v1
• Date: Tue, 03 Feb 2026 18:31:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.64012
• Title: Preference-based Conditional Treatment Effects and Policy Learning
• Title（参考訳）: 嗜好に基づく条件付き処理効果と政策学習
• Authors: Dovid Parnas, Mathieu Even, Julie Josse, Uri Shalit,
• Abstract要約: 条件優先型治療効果(CPTE)に基づく条件付き治療効果推定と政策学習のための新しい嗜好ベースのフレームワークを提案する。 CPTEは、結果が優先規則でランク付けされ、不均一な効果の柔軟なモデリングを解き放つことを要求している。 我々は、マッチング、量子化、分布回帰による推定戦略を提案し、さらに、プラグインバイアスを補正しポリシー値を最大化するための効率的な影響関数推定器を設計する。
• 参考スコア（独自算出の注目度）: 18.413818102874586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new preference-based framework for conditional treatment effect estimation and policy learning, built on the Conditional Preference-based Treatment Effect (CPTE). CPTE requires only that outcomes be ranked under a preference rule, unlocking flexible modeling of heterogeneous effects with multivariate, ordinal, or preference-driven outcomes. This unifies applications such as conditional probability of necessity and sufficiency, conditional Win Ratio, and Generalized Pairwise Comparisons. Despite the intrinsic non-identifiability of comparison-based estimands, CPTE provides interpretable targets and delivers new identifiability conditions for previous unidentifiable estimands. We present estimation strategies via matching, quantile, and distributional regression, and further design efficient influence-function estimators to correct plug-in bias and maximize policy value. Synthetic and semi-synthetic experiments demonstrate clear performance gains and practical impact.
• Abstract（参考訳）: 本稿では,CPTE(Conditional Preference-based Treatment Effect)に基づく条件付き処理効果推定とポリシー学習のための,新しい嗜好ベースのフレームワークを提案する。 CPTEは、結果が優先規則の下でランク付けされることを要求し、多変量、順序、または選好駆動的な結果による異種効果の柔軟なモデリングを解放する。 これは、条件付き必要十分確率、条件付きウィン比、一般化ペアワイズ比較などの応用を統一する。 比較ベース推定の本質的な非識別性にもかかわらず、CPTEは解釈可能な目標を提供し、以前の未同定推定に対して新しい識別可能性条件を提供する。 我々は、マッチング、量子化、分布回帰による推定戦略を提案し、さらに、プラグインバイアスを補正しポリシー値を最大化するための効率的な影響関数推定器を設計する。 合成および半合成実験は、明らかな性能向上と実践的な影響を示す。

関連論文リスト

• Efficient Adaptive Experimentation with Noncompliance [37.85201197349216]
  本研究では, 適応実験における平均治療効果 (ATE) の推定問題について検討する。 半パラメトリック効率理論に基づいて、任意の履歴に依存した機器割り当てポリシーの下で、ATE推定のための効率境界を導出する。 結果ノイズとコンプライアンス変数のバランスをとる分散アロケーションルールによって最小化できることを示す。
  論文  参考訳（メタデータ） (2025-05-23T04:49:14Z)
• Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
  本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。 本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
  論文  参考訳（メタデータ） (2025-02-22T19:54:14Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
  本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。 実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
  論文  参考訳（メタデータ） (2023-03-11T11:42:26Z)
• Heterogeneous Treatment Effect Bounds under Sample Selection with an Application to the Effects of Social Media on Political Polarization [0.0]
  本研究では,不均一因果効果パラメータに対する境界の推定と推定手法を提案する。 この方法は、ポリシーに関連する事前処理変数の関数として条件効果境界を提供する。 フレキシブルなデバイアス/ダブルな機械学習アプローチを使って、非線形機能形式や高次元の共創者に対応しています。
  論文  参考訳（メタデータ） (2022-09-09T14:42:03Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
  問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。 本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。 シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• 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)
• Individual Treatment Prescription Effect Estimation in a Low Compliance Setting [11.672067762133299]
  個別処理効果推定は、様々な領域で応用される広範囲に研究されている問題である。 我々は,信号の消失を防止するために,観測されたコンプライアンス情報を活用するIPE推定のための新しい手法を提案する。 私たちは、低コンプライアンス設定における最先端性を一貫して改善するアプローチのメリットを強調する、合成データセットと実世界のデータセットの両方で実験を行います。
  論文  参考訳（メタデータ） (2020-08-07T15:53:00Z)

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。