arXiv · cs.AI · Maria Nareklishvili, Nicholas Polson, Vadim Sokolov · 11 小时前模型评分36
生成式学习器估计分布因果效应，误差较基准方法降低 5.4%–93.5%
Generative Learner for Distributional Causal Effects
导读
研究者提出一种生成式学习器，用多头前馈神经网络联合估计倾向得分、基线结果的条件分位数函数和条件分位数处理效应，再积分得到条件平均处理效应。在 Neyman–Rubin 潜在结果框架的经典因果假设下，其样本外均方误差比广义随机森林、双重机器学习和生成对抗网络平均低 5.4% 至 93.5%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “We propose a generative learner for estimating conditional average treatment effects and characterizing the full distribution of these effects.”
来源：arXiv · cs.AI · arxiv.org