实体
Conditional average treatment effect estimation with marginally constrained models
Conditional average treatment effect estimation with marginally constrained models
PulseAugur coverage of Conditional average treatment effect estimation with marginally constrained models — every cluster mentioning Conditional average treatment effect estimation with marginally constrained models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的核岭回归方法增强了治疗效果估计的迁移学习能力
研究人员开发了一种使用核岭回归（KRR）的条件平均治疗效果（CATE）迁移学习新方法。该方法解决了源域和目标域之间、以及源数据中治疗组和对照组之间的协变量偏移和重叠不足等挑战。所提出的方法包括划分源数据以训练和选择最优CATE模型，并通过非渐近均方误差（MSE）界限提供了理论依据。在真实数据集上的实证研究表明，该方法具有优越的有限样本效率和适应性。
-
新方法提高了处理效应预测的可靠选择
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。