AutoIV：通过自动工具变量分解进行反事实预测
机器学习
2022-01-14 v2 人工智能
摘要
工具变量（IVs）是处理随机化的来源，在条件上独立于结果，在具有未观测混杂因子的因果推断中起着重要作用。然而，现有的基于 IV 的反事实预测方法需要明确定义的 IV，而在许多真实场景中寻找有效的 IV 是一门艺术而非科学。此外，预定义的人工 IV 可能因违反有效 IV 的条件而薄弱或错误。这些棘手的事实阻碍了基于 IV 的反事实预测方法的应用。在本文中，我们提出了一种新颖的自动工具变量分解（AutoIV）算法，从观测变量（IV 候选）中自动生成充当 IV 角色的表示。具体而言，我们通过互信息最大化与最小化约束，分别让学习到的 IV 表示满足与处理的相关条件以及与结果的排除条件。我们还通过学习混杂因子表示，使其与处理和结果均相关。IV 与混杂因子表示在对抗博弈中依据各自约束争夺信息，从而使我们获得用于基于 IV 的反事实预测的有效 IV 表示。大量实验表明，我们的方法生成了有效的 IV 表示，可用于准确的基于 IV 的反事实预测。
引用
@article{arxiv.2107.05884,
title = {Auto IV: Counterfactual Prediction via Automatic Instrumental Variable Decomposition},
author = {Junkun Yuan and Anpeng Wu and Kun Kuang and Bo Li and Runze Wu and Fei Wu and Lanfen Lin},
journal= {arXiv preprint arXiv:2107.05884},
year = {2022}
}
备注
Accepted by ACM Transactions on Knowledge Discovery from Data (TKDD) 2022