反事实和个体治疗效果的保形推理|丽华雷

Algo小时
- 旧金山,加利福尼亚州

视频:

生物:

Lihua Lei是斯坦福大学统计的博士后研究员,由EmmanuelCandès教授建议。他目前的研究致力于开发严格的统计方法,以便在涉及复杂决策过程的应用中的不确定度量,提高系统的可靠性,鲁棒性和公平性。在加入斯坦福之前,他获得了他的博士学位。在UC Berkeley的统计数据中,致力于因果推断,多假设检测,网络分析和随机优化。

谈论摘要:

评估治疗效果异质性广泛通知治疗决策。目前,大量重点通过灵活的机器学习算法估算条件平均处理效果。虽然这些方法在一致性和收敛率方面享有一些理论上的吸引力,但它们通常在不确定量量化方面表现不佳。这令人不安,因为评估风险对于敏感和不确定环境中可靠的决策至关重要。在这项工作中,我们提出了一种基于形式的推理的方法,可以在潜在的结果框架下产生反事实和个体治疗效果的可靠间隔估计。对于具有完美依从性的完全随机或分层随机实验,无论未知数据产生机制如何,间隔都有有限样品的平均覆盖。对于具有无知的顺应性的随机实验和遵守强烈的无知假设的一般观察性研究,间隔满足了双重稳健的财产,这些属性排列如下:如果可以准确地估计倾向评分或潜在结果的条件量级,则大致控制平均覆盖率。综合和实际数据集的数值研究证明,即使在简单的模型中,现有方法也遭受了显着的覆盖率缺陷。相比之下,我们的方法以相当短的间隔实现了所需的覆盖范围。这是与伊曼纽尔的联合工作。

链接讨论研究论文

这篇文章! 帖子在linkedin
多线程

来吧我们!

我们是一支多元化的团队,致力于建立伟大的产品,我们喜欢你的帮助。你想用惊人的同伴建造惊人的产品吗?加入我们!