连续处理的因果效应保守预测
机器学习
2026-02-04 v4 人工智能
统计方法学
摘要
对因果效应的不确定性量化对于个人化医疗等安全关键应用至关重要。保守预测是一种强大的方法，由于其模型无关且有限样本保证，具有多种实际优势。然而，现有方法针对二元/离散处理的保守预测受限于高度限制的假设，如已知倾向得分。本文提供一种用于连续处理潜在结果的新型保守预测方法。我们考虑通过倾向估计引入的额外不确定性，以确保保守预测区间即使倾向得分未知也有效。我们的贡献有三点：(1)我们推导了连续处理潜在结果的有限样本预测区间；(2)我们提供了计算所得区间的算法；(3)我们在合成数据和真实数据集上展示了保守预测区间的有效性。就我们所知，我们是首次提出针对倾向得分未知且必须从数据中估计的连续处理的保守预测。
引用
@article{arxiv.2407.03094,
title = {Conformal Prediction for Causal Effects of Continuous Treatments},
author = {Maresa Schröder and Dennis Frauen and Jonas Schweisthal and Konstantin Heß and Valentyn Melnychuk and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:2407.03094},
year = {2026}
}
备注
Accepted at NeurIPS 2025