基于条件密度估计的个体处理效应保守推断
机器学习
2025-01-28 v1 机器学习
摘要
在数据日益多样化和复杂化的时代，精准预测个体处理效应 (ITE) 对于医疗、经济和公共政策等领域至关重要。当前最先进的方法虽然通过保守量子回归 (CQR) 和相关技术提供有效的预测区间，但往往产生过于保守的区间。本文引入一种基于结果给定协变量条件密度的 ITE 保守推断方法。我们利用参考分布技术高效地估计条件密度作为两个阶段保守 ITE 框架中的得分函数。我们表明，所得预测区间不仅在边缘上有效，而且比现有方法更为紧凑。实验结果进一步验证了该方法的实用性。
引用
@article{arxiv.2501.14933,
title = {Conformal Inference of Individual Treatment Effects Using Conditional Density Estimates},
author = {Baozhen Wang and Xingye Qiao},
journal= {arXiv preprint arXiv:2501.14933},
year = {2025}
}