文献

J-GLOBAL ID：202202228803159799   整理番号：22A1147992

連続値変数への介入操作に関する機械学習手法を使用した平均因果効果推定法

Estimating average causal effect of intervention in continuous variables using machine learning

著者 (1件)： 北沢芳明 (NTTデータ数理システム)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 419(IBISML2021 30-48)  ページ： 1-7 (WEB ONLY)  発行年： 2022年03月01日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 平均因果効果・平均処置効果推定法においてこれまで広く議論されているのは,介入群/非介入群の分割操作を意味する離散2値変数への介入操作を対象とするものとなる.連続値変数への介入操作に関してデータの生成モデルに非依存となる手法はまだ開発されていない.本研究では,連続値変数の介入操作に関する平均因果効果推定法に関して,因果効果が識別可能であれば任意のデータの生成モデルに適用可能となるものを与える.提案する手法は,機械学習アルゴリズムに非依存となり,かつデータの識別可能性を維持するものとなる.(著者抄録)

シソーラス用語： *機械学習 ,  変数 ,  因果律 ,  *統計的推定 ,  *モデリング ,  構造 ,  グラフ ,  アルゴリズム ,  実験 ,  モデル
準シソーラス用語： グラフ構造 ,  因果関係 ,  数値実験 ,  生成モデル ,  連続変数

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

引用文献 (16件)：

• J. Pearl, “Causal diagrams for empirical research,” Biometrika, vol.82, no.4, pp.669-688, 1995.
• J. Tian and J. Pearl, “A general identification condition for causal effects,” Aaai/iaai, pp.567-573, 2002.
• I. Shpitser and J. Pearl, “Identification of joint interventional distributions in recursive semi-markovian causal models,” Proceedings of the National Conference on Artificial Intelligence, vol.21Menlo Park, CA; Cambridge, MA; London; AAAI Press; MIT Press; 1999, p.1219 2006.
• I. Shpitser and J. Pearl, “Identification of conditional interventional distributions,” arXiv preprint arXiv:1206.6876, pp.●●-●●, 2012.
• Y. Jung, J. Tian, and E. Bareinboim, “Estimating causal effects using weighting-based estimators,” Proceedings of the AAAI Conference on Artificial Intelligence, vol.34, pp.10186-10193, 2020.

タイトルに関連する用語 (5件)： 変数 ,  機械学習 ,  手法 ,  平均 ,  推定法