潜在的結果と因果効果の推定のための一般化限界と表現学習【JST・京大機械翻訳】

Johansson Fredrik D.; Shalit Uri; Kallus Nathan; Sontag David

プレプリント

J-GLOBAL ID：202202217974230902 整理番号：21P0022906

潜在的結果と因果効果の推定のための一般化限界と表現学習【JST・京大機械翻訳】

Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects

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： 2020年01月21日プレプリントサーバーでの情報更新日： 2023年07月31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)

ヘルスケア,経済学および教育のような多様な分野における実践者は,意思決定を改善するために機械学習を適用するのに toである。実行実験のコストと非現実的性,および電子記録保持における最近の記念な増加は,非実験的観察データに基づく決定を評価する問題に注意を向けた。これは本研究の設定である。特に,記録された状況,決定および結果から,代替薬物療法に対する単一患者の応答のような個人レベルの因果関係の推定を検討した。異なる処理を受けるグループ間の距離測度に基づく推定効果における誤差に関する一般化限界を与え,サンプル再重みづけを可能にした。この境界がタイトである条件を提供し,教師なしドメイン適応に対する結果に関連する方法を示した。著者らの理論結果によって,著者らは,表現の誘発処理グループ距離を正則化して,処理グループの間の情報の共有を奨励することによって,著者らの限界を最小にする表現学習アルゴリズムを考案した。これらのアルゴリズムを拡張し,処理グループ距離をさらに低減するために重み付き表現を同時に学習した。最後に,実および合成データに関する実験的評価は,提案表現アーキテクチャおよび正則化方式の価値を示した。【JST・京大機械翻訳】

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

人工知能 , システム・制御理論一般

, , ,

前のページに戻る