はじめに 以下の論文が気になったので、ざっと読んでみたのでまとめます。 arxiv.org 概要 複数の個別処置効果HTEを推定し施策の最適化を行いたいが、用いられるモデルはブラックボックスになることが多い 複数のHTEモデルを一つのマルチタスク決定木に蒸留…

はじめに twitterで以下のツイートを見かけました。 R :: mixgb https://t.co/TuD7bEU9hTmixgb は XGBoost を使用した多重代入法の R XGBoost による予測値に対して，predictive mean matching (PMM) で補完をしており，https://t.co/BYkjF6eg0Eにあるような…

はじめに 数年前のセミナーか学会でTMLEの概要の説明を聞いたことがあります。 しかし、詳細については理解していないため、今回簡単にまとめたいと思います。 概要 このページが非常に丁寧に方法論と手順を説明していました。 www.khstats.com 特にこちらの…

はじめに Federated Learningに興味があり色々確認していたのですが、決定木ベースのモデルはないのかと思うようになりました。 探してみると以下の論文が出てきたので、読みました。 メモとしてここで簡単にまとめます。 arxiv.org はじめに 概要 イントロ …

はじめに 先日、感度分析に関する記事をあげました。 saltcooky.hatenablog.com この内容を調べている際に、以下の論文を見つけました。 arxiv.org この論文では、Imbens(2003)で提案されていた感度分析を一般化しています。 面白そうだったので、読んでメモ…

はじめに 前にCATEを求めるCausal Treeについての記事を書きました。 saltcooky.hatenablog.com そうなるとMeta-Learnerも気になってきたので、こちらを読みました。 arxiv.org 簡単に内容をまとめます。 事前知識 因果推論 因果推論における詳しい話はこち…

はじめに ここ最近で機械学習と因果推論の融合が有名になってきました。 その中で、決定木(回帰木)のアルゴリズムを用いて条件付き処置効果(CATE)を推定するCausal Treeという手法の話がでてきています。 しかし、概要を聞いても何をしているのかよくわから…