論文の概要: Significance-First Splitting: Aligning Treatment Heterogeneity Detection with Honest Estimation
- arxiv url: http://arxiv.org/abs/2607.03999v1
- Date: Sat, 04 Jul 2026 19:50:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.788706
- Title: Significance-First Splitting: Aligning Treatment Heterogeneity Detection with Honest Estimation
- Title（参考訳）: 意義第一分割:正直な推定による治療の不均一性検出の調整
- Abstract要約: 不均一処理効果(CATE)を推定するには、同時に効果の修正を検出し、推定の不確実性を定量化する必要がある。
意味に基づくアプローチは、グループ間の相互作用を直接識別するが、妥当な推論を欠いている。
本稿では,真正なサンプル分割とクロスバリデーションで意味に基づく分割を融合するハイブリッドアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Estimating heterogeneous treatment effects (CATE) requires simultaneously detecting effect modification and quantifying estimation uncertainty. Existing tree-based methods make an uneasy trade-off: significance-based approaches (Radcliffe and Surry 2011) identify subgroup interactions directly but lack valid inference; honest causal trees (Athey and Imbens 2016) deliver nominal confidence interval coverage but use outcome-agnostic splitting criteria that sacrifice interaction sensitivity. We introduce a hybrid algorithm that fuses significance-based splitting with honest sample-splitting and cross-validation. Our splitting criterion uses the squared $t$-statistic for the treatment $\times$ side interaction ($t^2$), which is shown to be directly aligned with the honest $\text{EMSE}_τ$ criterion when the interaction is strong. Post-hoc honest cross-validation selects the cost-complexity penalty, giving a single principled estimator with nominal CI coverage at the leaf level. For forests, we retain bootstrap count vectors to enable an infinitesimal jackknife (IJ) variance estimate of Monte-Carlo convergence rather than formal pointwise inference. On the three synthetic designs from (Athey and Imbens 2016) the single tree achieves approximately 90\% leaf-average CI coverage at the 90\% nominal level across all three designs (200 replications each); on the Criteo and Starbucks uplift datasets we match Qini coefficient performance of S- and T-learner baselines. An open-source Python package with reproducible seeds, sklearn-compatible API, and full test coverage accompanies this work (https://codeberg.org/hadjipantelis/rattus).
- Abstract（参考訳）: 不均一処理効果(CATE)を推定するには、同時に効果の修正を検出し、推定の不確実性を定量化する必要がある。
意味に基づくアプローチ(RadcliffeとSurry 2011)は、グループ間相互作用を直接識別するが、妥当な推論を欠いている; 正直な因果木(AtheyとImbens 2016)は、明確な信頼区間のカバレッジを提供するが、相互作用の感度を犠牲にする結果非依存の分割基準を使用する。
本稿では,真正なサンプル分割とクロスバリデーションで意味に基づく分割を融合するハイブリッドアルゴリズムを提案する。
我々の分割基準は、処理に$\times$ side interaction(t^2$)の正方形の$t$-statisticを使い、相互作用が強いときに、正直な$\text{EMSE}_τ$ criterionと直接一致していることを示す。
ポストホックの正直なクロスバリデーションは、コスト複雑さのペナルティを選択し、葉のレベルで名目上のCIカバレッジを持つ1つの原則付き推定器を与える。
森林の場合、ブートストラップ数ベクトルは保持し、公式な点推定ではなくモンテカルロ収束の無限小ジャックニフェ(IJ)分散推定を可能にする。
Athey and Imbens 2016) から得られた3つの合成設計では、葉平均CIカバレッジは約90% %であり、これら3つの設計(それぞれ200回の複製)全てで90% %である。
再現可能なシード、sklearn互換API、フルテストカバレッジを備えた、オープンソースのPythonパッケージである(https://codeberg.org/hadjipantelis/rattus)。
関連論文リスト
- Semiparametric Inference for Conditional Shapley Feature Importance [0.0]
本稿では, 条件定式化について検討し, その実条件分布の下で, 対数外特徴を積分する。
そこで本研究では, K-fold cross-fitting とU-statistic correct of the squared loss intervalを提案する。
ピンスカー型境界は、作業コプラクラスを誤って特定するバイアスを定量化し、ワインコプラは条件付きサンプリングが可能である。
論文 参考訳（メタデータ） (2026-09-09T15:19:24Z) - Learning Auditable Classifier Models: Source-Disjoint Tree Ensembles [0.0]
臨床および規制された設定における予測モデルは正確で、完全に監査可能である必要がある。
本稿では,3段階学習手法であるResidual Pattern Tree Ensemble(RPTE)を紹介する。
RPTEは、有界特徴予算(bounded feature budget)、ソースの不整合(source disjointness)、別個の係数推定という3つの重要な原則に基づいている。
論文 参考訳（メタデータ） (2026-08-16T12:56:49Z) - How Many Trees in a Random Forest? A Revisited Approach with Plateau Search and Optuna Integration [0.30586855806896046]
ランダムフォレストのためのHPOのための統合三重項ベースプラトー探索アルゴリズムを提案する。
この方法は、バッグ外スコアの相対的な変化を監視して、最小に近い十分なアンサンブルサイズを適応的に追跡する。
実験により、選択された木の数は共通の絶対値と大きく異なることが示されている。
論文 参考訳（メタデータ） (2026-06-02T12:10:43Z) - TabSHAP [5.3259362673757735]
大規模な言語モデルは、伝統的なツリーベースのモデルに代わる強力な選択肢として現れています。
既存の手法は、しばしば大域的な線形プロキシやスカラー確率シフトに頼り、モデルの完全な確率的不確実性を捉えるのに失敗する。
本稿では,ローカルクエリ決定ロジックを直接属性として設計したモデルに依存しない解釈可能性フレームワークであるTabSHAPを紹介する。
論文 参考訳（メタデータ） (2026-04-22T22:04:45Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - Ensemble Threshold Calibration for Stable Sensitivity Control [0.0]
本稿では,数千万組の幾何対もの幾何に対して,過度に分散した正確なリコールを実現するエンド・ツー・エンドのフレームワークを提案する。
我々のアプローチは、小さなエラーで常にリコールターゲットにヒットし、他のキャリブレーションと比較して冗長な検証を減らし、単一のTPU v3コア上でエンドツーエンドで実行します。
論文 参考訳（メタデータ） (2025-10-02T15:22:28Z) - Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects [6.083038976289835]
高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。
高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。
論文 参考訳（メタデータ） (2025-07-16T18:58:18Z) - 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) - Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。
異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。
この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
論文 参考訳（メタデータ） (2024-07-20T12:42:24Z) - Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。
我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。
実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文 参考訳（メタデータ） (2024-04-04T11:32:03Z) - The Lipschitz-Variance-Margin Tradeoff for Enhanced Randomized Smoothing [85.85160896547698]
ディープニューラルネットワークの現実的な応用は、ノイズの多い入力や敵攻撃に直面した場合、その不安定な予測によって妨げられる。
入力にノイズ注入を頼りに、認証された半径を持つ効率的な分類器を設計する方法を示す。
新たな認証手法により、ランダムな平滑化による事前学習モデルの使用が可能となり、ゼロショット方式で現在の認証半径を効果的に改善できる。
論文 参考訳（メタデータ） (2023-09-28T22:41:47Z) - Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。
本稿では,ユーザの目標が目標間隔として指定される設定について検討する。
我々は、共形予測を反転させて確率推定を計算する。
論文 参考訳（メタデータ） (2022-11-29T18:41:20Z) - Tree-Values: selective inference for regression trees [0.0]
データから推定された木が標準的な保証を達成できないという事実を説明できない推論に対する単純なアプローチ。
適応したCARTツリー上での推論を行うための選択推論フレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-15T00:25:11Z)
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。