PulseAugur
中
实时 11:00:56
English(EN) Denoised Conformal Alignment for Reliable Selection of Conditional Average Treatment Effect Predictions

新方法提高了处理效应预测的可靠选择

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了去噪一致性对齐（Denoised Conformal Alignment），一种用于根据预测的条件平均处理效应（CATE）可靠选择个体子集进行治疗的新方法。该方法解决了标准一致性保证可能不适用于所选子集的问题。该方法利用伪结果构建代理误差，并包含一个去噪步骤来处理异方差性，在保持错误发现率控制的同时提高了功效。 AI

影响 提高了基于AI预测选择个体进行治疗的可靠性，有可能提高干预措施的有效性。

排序理由 该集群包含一篇关于统计机器学习方法的投稿学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新方法提高了处理效应预测的可靠选择

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Xinyun Lu, Haoang Chi, Zhiheng Zhang ·

    用于条件平均处理效应预测可靠选择的去噪一致性对齐

    arXiv:2607.03161v1 Announce Type: new Abstract: In selective deployment, practitioners act only on a model-chosen subset of individuals based on predicted conditional average treatment effects, but marginal conformal guarantees need not control reliability on that selected subset…

  2. arXiv stat.ML TIER_1 English(EN) · Zhiheng Zhang ·

    用于条件平均处理效应预测可靠选择的去噪一致性对齐

    In selective deployment, practitioners act only on a model-chosen subset of individuals based on predicted conditional average treatment effects, but marginal conformal guarantees need not control reliability on that selected subset. We study reliable selection for black-box CATE…

相关实体

相关话题