与因果路径相关的个性化效应估计
机器学习
2018-10-01 v1 人工智能
机器学习
摘要
个性化决策的目标是将单元的特征映射到为其量身定制的动作，以最大化该单元的期望结果。获得此类高质量映射是动态 regime 文献的目标。在医疗环境中，针对特定因果路径优化策略可能同样令人关注。例如，我们可能希望最大化药物的化学效应，给定观察性研究数据，其中药物对结果的化学效应与由差异性依从性中介的间接效应纠缠在一起。在此类情形下，我们可能希望优化药物的直接效应，同时将间接效应保持为某参考治疗的间接效应。[16] 展示了如何结合中介分析与动态治疗 regime 思想来定义与因果路径相关的策略及对这些策略的反事实响应。本文中，我们在对应于实际重要的纵向设定的因果模型中，推导了从数据学习此类高质量策略的多种方法。我们通过尼日利亚 PEPFAR 项目中收集的接受治疗的 HIV 患者数据集来说明我们的方法。
引用
@article{arxiv.1809.10791,
title = {Estimation of Personalized Effects Associated With Causal Pathways},
author = {Razieh Nabi and Phyllis Kanki and Ilya Shpitser},
journal= {arXiv preprint arXiv:1809.10791},
year = {2018}
}