雑音共変量による部分同定:ロバスト最適化アプローチ【JST・京大機械翻訳】

Guo Wenshuo; Yin Mingzhang; Wang Yixin; Jordan Michael I.

プレプリント

J-GLOBAL ID：202202206789307093 整理番号：22P0293277

雑音共変量による部分同定:ロバスト最適化アプローチ【JST・京大機械翻訳】

Partial Identification with Noisy Covariates: A Robust Optimization Approach

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月21日プレプリントサーバーでの情報更新日： 2022年02月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

観察データセットからの因果関係は,しばしば共変量の測定と調整に依存する。実際には,共変量の計測は,しばしば雑音および/または偏ったか,またはそれらのプロキシの測定値だけが利用可能である。共変量のこれらの不完全な測定を直接調整することは,偏った原因推定を導くことができる。さらに,付加的仮定なしで,因果関係は,これらの測定におけるノイズのために,点同定できない。この目的のために,雑音レベルに対するユーザ指定仮定の下で,雑音共変量を与える因果効果の部分的同定を研究した。重要な観察は,ロバストな最適化問題として平均処理効果(ATE)の同定を定式化できることである。この定式化は,雑音のある共変量とATEを制限する効率的なロバスト最適化アルゴリズムをもたらす。著者らは,このロバスト最適化アプローチが,バックドア調整,逆傾向スコア重みづけ,二重機械学習,およびフロントドア調整を含む部分同定を実行するために,広範囲の因果調整法を拡張することができることを示した。合成および実データセットを横断して,このアプローチが既存の方法よりも高いカバレッジ確率でATE限界を提供することを見出した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

移動通信 , 数理計画法 , 人工知能

, , ,

前のページに戻る