用于学习连续处理因果效应的VCNet与函数型目标正则化
机器学习
2021-03-16 v1 机器学习
摘要
受连续处理的观测数据日益丰富的推动，我们研究平均剂量-响应曲线（ADRF）的估计问题。现有的参数化方法在其模型空间上受限，而先前利用神经网络增强模型表达力的尝试依赖于将连续处理划分为块并为每块使用独立输出头；然而这在实践中会产生不连续的ADRF。因此，如何调整神经网络的结构与训练以估计ADRF仍是一个开放问题。本文做出两项重要贡献。首先，我们提出一种新颖的变系数神经网络（VCNet），在提升模型表达力的同时保留所估计ADRF的连续性。其次，为改善有限样本表现，我们将目标正则化推广以获得整个ADRF曲线的双重稳健估计量。
引用
@article{arxiv.2103.07861,
title = {VCNet and Functional Targeted Regularization For Learning Causal Effects of Continuous Treatments},
author = {Lizhen Nie and Mao Ye and Qiang Liu and Dan Nicolae},
journal= {arXiv preprint arXiv:2103.07861},
year = {2021}
}