BENK：基于神经核的Beran估计量用于异质处理效应估计
机器学习
2022-11-22 v1 机器学习
摘要
本文提出一种在删失生存时间数据条件下估计条件平均处理效应的称为BENK（带神经核的Beran估计量，the Beran Estimator with Neural Kernels）的方法。该方法的核心思想是将Beran估计量应用于估计对照组与处理组的生存函数。不同于Beran估计量中典型的核函数，我们提出以称为神经核的特定形式神经网络来实现核。条件平均处理效应通过以生存函数作为由一组共享参数的神经核构成的对照组与处理组神经网络的输出进行估计。神经核更具灵活性，能准确建模特征向量复杂的区位结构。多种数值仿真实验说明了BENK，并将其与基于Cox模型、随机生存森林和带高斯核的Nadaraya-Watson回归的若干类对照组与处理组结果函数下的知名T-learner、S-learner和X-learner进行比较。实现BENK的所提算法代码可在 https://github.com/Stasychbr/BENK 获取。
引用
@article{arxiv.2211.10793,
title = {BENK: The Beran Estimator with Neural Kernels for Estimating the Heterogeneous Treatment Effect},
author = {Stanislav R. Kirpichenko and Lev V. Utkin and Andrei V. Konstantinov},
journal= {arXiv preprint arXiv:2211.10793},
year = {2022}
}