基于逆概率加权的隐私保护因果推断
机器学习
2019-11-04 v2 机器学习
摘要
利用逆概率加权（IPW）方法从观测性研究中估计治疗的因果效应在计量经济学、医学与社会科学中十分普遍。尽管这些研究常涉及敏感信息，迄今为止尚无关于隐私保护 IPW 方法的工作。我们通过提供一种新颖的隐私保护 IPW（PP-IPW）方法框架来解决此问题。我们包含了对所提隐私化程序在估计平均处理效应上影响的理论分析，并在合成、半合成与真实数据集上评估了我们的 PP-IPW 框架。实证结果与我们的理论发现一致。
引用
@article{arxiv.1905.12592,
title = {Privacy-Preserving Causal Inference via Inverse Probability Weighting},
author = {Si Kai Lee and Luigi Gresele and Mijung Park and Krikamol Muandet},
journal= {arXiv preprint arXiv:1905.12592},
year = {2019}
}