协作因果推断中数据共享的机制（扩展版）
机器学习
2024-07-17 v1 人工智能
统计方法学
摘要
协作因果推断 (CCI) 是一种Federated学习方法, 用于汇聚来自多个、常常是自愿意方的数据, 以实现对因果结构的共同学习目标, 例如在医学领域中估计和优化治疗变量。由于获取数据对参与方而言成本高昂, 且共享独特数据会导致失去竞争优势, 因此通过公平的奖励和激励来激励所有参与方参与是必要的。本文构思了一个评估方案来衡量每一方数据贡献对共同学习任务的价值, 这一评估方案针对因果推断的统计需求, 通过比较来自参与方贡献的观察数据推断的部分有向无环图 (CPDAG)。获得的数据价值评估方案可用于引入激励机制, 以激励代理贡献数据。它可以用于根据数据质量公平地奖励代理, 或最大化所有代理的数据贡献。
引用
@article{arxiv.2407.11032,
title = {Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version)},
author = {Björn Filter and Ralf Möller and Özgür Lütfü Özçep},
journal= {arXiv preprint arXiv:2407.11032},
year = {2024}
}