論文の概要: Dirichlet-Tree Allocation Priors for Bayesian Causal Forests

• arxiv url: http://arxiv.org/abs/2610.26728v1
• Date: Mon, 19 Oct 2026 16:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:46:18.346339
• Title: Dirichlet-Tree Allocation Priors for Bayesian Causal Forests
• Title（参考訳）: バイエルンカウサル林のディリクレ-トレー配置
• Abstract要約: 本稿では,ディリクレ-トレー・カウサル林(Dirichlet-Tree Bayesian Causal Forest)を提案する。 本研究は, 従来, 不均質作用の地域数を適応的に制限し, 森林の後方整合性を確立していることを示す。 また,膵癌生存研究を含む実データに基づくモデルの評価を行った。
• 参考スコア（独自算出の注目度）: 40.180930844375304
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian Causal Forests (BCF) estimate heterogeneous treatment effects with a separate ensemble of treatment trees. The prior on the leaf values of the treatment trees determines whether sampling variability is attributed to the treatment effect. Independent shrinkage priors exert no control over how a tree allocates variability across its leaves, and their total prior variance grows as leaves are added. We propose the Dirichlet-Tree Bayesian Causal Forest, which jointly regularizes the leaf values of each treatment tree through a Dirichlet-Tree prior on their variance shares, generated by stick-breaking along the tree topology. We characterize the spike and tails of the marginal leaf prior, show that the prior adaptively bounds the number of regions of effect heterogeneity, and establish posterior consistency for the forest. In simulations, the model outperforms BCF when heterogeneity is confined to a few regions and reduces spurious heterogeneity elsewhere, and, unlike independent shrinkage priors, its accuracy does not deteriorate as the trees grow. We also evaluate the model on real data, including a pancreatic cancer survival study.
• Abstract（参考訳）: Bayesian Causal Forests (BCF) は、不均一な処理効果を別の処理木で推定する。 処理木の葉値に先行して、サンプリング変動が処理効果に起因するか否かを判定する。 独立した縮小前兆は、木が葉をまたいだ変動性をどう割り当てるかを制御せず、葉が加えられるにつれて、その全体の事前の分散が増大する。 本研究は,各処理木の葉の値が,木相の相違に先立って,ディリクレ-トレー・カウサル林(Dirichlet-Tree Bayesian Causal Forest)を共同でレギュラー化したものである。 本研究では,前葉の穂と尾を特徴付けるとともに,前葉が不均一な作用領域の数に適応的に束縛され,後葉の一貫性が確立されることを示す。 シミュレーションでは、不均一性がいくつかの領域に制限された場合、BCFよりも優れ、他の領域では急激な不均一性が減少し、独立した縮小前と異なり、木が成長するにつれてその精度は低下しない。 また,膵癌生存研究を含む実データに基づくモデルの評価を行った。

関連論文リスト

• Partition Trees: Conditional Density Estimation over General Outcome Spaces [46.1988967916659]
  一般結果空間上での条件密度推定のための木に基づくフレームワークである分割木を提案する。 本手法は,データ適応分割における条件分布を一括一貫した密度としてモデル化し,条件付き負の対数関係を直接最小化して木を学習する。
  論文  参考訳（メタデータ） (2026-02-03T22:12:30Z)
• Unity Forests: Improving Interaction Modelling and Interpretability in Random Forests [45.88028371034407]
  ランダム・フォレスト(RF)は、予測と変動重要度分析に広く利用されている。 UFOでは、各木の最初のいくつかの分割を共同で最適化する。 UFOは標準的なRFよりも高い識別精度と予測精度を達成した。
  論文  参考訳（メタデータ） (2026-01-11T17:36:58Z)
• Variational phylogenetic inference with products over bipartitions [48.2982114295171]
  単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。 我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
  論文  参考訳（メタデータ） (2025-02-21T00:06:57Z)
• Exogenous Randomness Empowering Random Forests [4.396860522241306]
  平均二乗誤差(MSE)を個々の木と森林の両方に対して非漸近展開する。 以上の結果から,サブサンプリングは個々の樹木に比べて,ランダム林の偏りや分散を減少させることが明らかとなった。 ノイズ特性の存在は、ランダムな森林の性能を高める上で「祝福」として機能する。
  論文  参考訳（メタデータ） (2024-11-12T05:06:10Z)
• Ensembles of Probabilistic Regression Trees [46.53457774230618]
  木に基づくアンサンブル法は多くの応用や研究で回帰問題に成功している。 本研究では,確率分布に関する各領域の観察を割り当てることで,目的関数のスムーズな近似を提供する確率回帰木のアンサンブルバージョンについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T06:51:51Z)
• Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers [68.76846801719095]
  統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。 森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
  論文  参考訳（メタデータ） (2024-02-02T15:36:43Z)
• Theoretical and Empirical Advances in Forest Pruning [0.0]
  回帰林の精度と回帰樹の解釈可能性という両世界の最善を尽くすアプローチである森林伐採を再考する。 我々は、弱い仮定の下で、未伐採林に対するラッソ伐採林の利点を証明した。 我々は19の異なるデータセット上の未伐採林に対する伐採林の精度を検証した。
  論文  参考訳（メタデータ） (2024-01-10T20:02:47Z)
• What Makes Forest-Based Heterogeneous Treatment Effect Estimators Work? [1.1050303097572156]
  両手法がL2損失下で同じパラメータと共起仮定で理解可能であることを示す。 ランダム化環境では、両方のアプローチはベンチマーク研究で新しいブレンドバージョンと同様に実行された。
  論文  参考訳（メタデータ） (2022-06-21T12:45:07Z)
• Modelling hetegeneous treatment effects by quantitle local polynomial decision tree and forest [0.0]
  本稿では,2001年のブレイマンの無作為林木(RFT)とWagerらの因果樹に基づいて,非パラメトリック問題のパラメータ化を行う。 我々は,定式規則による定量分類と局所標本の古典的推定を組み合わせた決定木を提案し,この決定木をQLPRT(quantile local linear causal tree)とQLPRF( Forest)と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-30T12:02:16Z)

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。