高维因果效应学习
机器学习
2023-03-03 v1 统计方法学
摘要
高维因果推断数据集的匮乏限制了复杂深度模型的探索。在本工作中，我们提出了一种生成高维合成因果数据集的方法。该合成数据利用 MNIST 数据集和伯努利处理值模拟因果效应。这为研究用于因果效应估计的各类模型提供了机会。我们使用 Dragonnet 架构（Shi et al. (2019)）及改进架构在该数据集上进行了实验。我们利用改进架构探索了不同类型的神经网络初始层，并观察到改进架构在估计中表现更优。我们观察到，残差和 transformer 模型非常接近地估计了处理效应，且无需 Shi et al. (2019) 引入的目标正则化。
引用
@article{arxiv.2303.00821,
title = {Learning high-dimensional causal effect},
author = {Aayush Agarwal and Saksham Bassi},
journal= {arXiv preprint arXiv:2303.00821},
year = {2023}
}