Xiaojie Mao

新的极小极大学习方法解决了具有未观测混淆因素的因果推断问题

一篇新发表在arXiv上的研究论文介绍了一种极小极大（minimax）学习方法，用于解决在并非所有混淆因素都被观测到的情况下进行因果推断的挑战。该方法侧重于识别和估计“桥接函数”，这对于在此类场景中实现识别和有效估计至关重要。提出的估计器旨在适应一般的函数类，如再生核希尔伯特空间（Reproducing Kernel Hilbert Spaces）和神经网络，并且论文分析了它们的有限样本收敛性质。