平衡空间实验设计中的干扰与相关性：基于因果图割的方法
机器学习
2025-08-29 v3 统计计算
机器学习
摘要
本文聚焦于空间实验设计，以优化实验数据所获取的信息量并提高最终因果效应估计器准确性。我们提出了估计器均方误差（MSE）的代理函数，促进了使用经典图割算法来学习最优设计。我们的方案具有三项关键创新：（1）容纳中等至大规模的空间干扰效应；（2）适应不同的空间协方差函数；（3）计算效率高。理论结果和基于合成环境及模型城市级共享出租车市场的调度模拟器的数值实验进一步验证了我们设计的有效性。我们的方法Python实现已发布于 https://github.com/Mamba413/CausalGraphCut。
引用
@article{arxiv.2505.20130,
title = {Balancing Interference and Correlation in Spatial Experimental Designs: A Causal Graph Cut Approach},
author = {Jin Zhu and Jingyi Li and Hongyi Zhou and Yinan Lin and Zhenhua Lin and Chengchun Shi},
journal= {arXiv preprint arXiv:2505.20130},
year = {2025}
}
备注
Accepted by ICML2025