反事实场景下因果群体的非参数估计
机器学习
2021-12-09 v1 统计方法学
摘要
在因果推断中，无混杂地估计处理效应仍是一个主要难题，因为这需要同时评估接受处理与未接受处理两种情形下的结果。由于无法同时观测两者，潜在结果的估计仍是一项具有挑战性的任务。我们提出一种创新方法，将该问题重新表述为缺失数据模型。其目标是估计因果群体（causal populations）的隐藏分布，该群体被定义为处理与结果的函数。一个因果自编码器（Causal Auto-Encoder, CAE），通过依赖于处理与结果信息的先验进行增强，将潜在空间同化为目标群体的概率分布。特征在被压缩至潜在空间后，经由网络中间层引入的、包含处理与结果信息的掩码约束进行重构。
引用
@article{arxiv.2112.04288,
title = {Non parametric estimation of causal populations in a counterfactual scenario},
author = {Celine Beji and Florian Yger and Jamal Atif},
journal= {arXiv preprint arXiv:2112.04288},
year = {2021}
}