论因果森林对流形数据的适应性
统计理论
2023-12-27 v2 计量经济学
统计理论
摘要
研究者常认为随机森林是“治愈世间百病的良方”（Bickel, 2010）。但它们究竟如何实现这一点？聚焦于近年提出的因果森林（Athey and Imbens, 2016; Wager and Athey, 2018），本手稿旨在为回答此问题的持续研究趋势做出贡献，证明因果森林能够适应未知的协变量流形结构。具体而言，我们的分析表明，因果森林估计量在估计条件平均处理效应时可达到最优收敛速率，其中协变量维度自动被流形维度所替代。这些发现与深度学习领域的类似观察一致，并与Peter Bickel 2004年Rietz讲座中提出的见解相呼应。
引用
@article{arxiv.2311.16486,
title = {On the adaptation of causal forests to manifold data},
author = {Yiyi Huo and Yingying Fan and Fang Han},
journal= {arXiv preprint arXiv:2311.16486},
year = {2023}
}
备注
This version adds more references and corrects some minor typos