学习用于反事实推断的表示
机器学习
2018-06-07 v3 人工智能
机器学习
摘要
由于医疗、教育、就业和生态等领域数据的广泛积累，观察性研究的重要性日益提升。我们考虑回答反事实问题的任务，例如，“如果这位患者接受了不同的药物治疗，她的血糖是否会降低？”。我们提出了一种新的反事实推断算法框架，该框架融合了领域自适应和表示学习的思想。除了理论论证外，我们还与以往基于观察性数据的因果推断方法进行了实证比较。我们的深度学习算法显著优于先前的最先进方法。
引用
@article{arxiv.1605.03661,
title = {Learning Representations for Counterfactual Inference},
author = {Fredrik D. Johansson and Uri Shalit and David Sontag},
journal= {arXiv preprint arXiv:1605.03661},
year = {2018}
}
备注
Appeared in ICML 2016