将最近邻与神经网络模型集成用于处理效应估计
机器学习
2023-06-22 v2 机器学习
摘要
处理效应估计对许多科学和工业领域的研究人员与从业者都极为重要。观测数据的丰富性使其日益被研究人员用于因果效应的估计。然而,这些数据存在偏差和若干缺陷,若处理不当会导致不准确的因果效应估计。因此,已有若干机器学习技术被提出,其中大多数侧重于利用神经网络模型的预测能力以获得更精确的因果效应估计。在本工作中,我们提出一种名为用于因果推断的最近邻信息(NNCI)的新方法,将有价值的最近邻信息集成到基于神经网络的模型中以估计处理效应。所提出的NNCI方法被应用于一些最成熟的基于神经网络的处理效应估计模型,并使用观测数据。数值实验与分析提供了经验与统计证据,表明将NNCI与最先进的神经网络模型集成可在多种公认的具有挑战性的基准上显著改善处理效应估计。
引用
@article{arxiv.2305.06789,
title = {Integrating Nearest Neighbors with Neural Network Models for Treatment Effect Estimation},
author = {Niki Kiriakidou and Christos Diou},
journal= {arXiv preprint arXiv:2305.06789},
year = {2023}
}
备注
Published in the "International Journal of Neural Systems", World Scientific Publishing Company