시간적 의존성 하에서의 인과 효과를 위한 이중 강건 적응형 등각 추론 (Doubly Robust Adaptive Conformal
요약
시간적 의존성이 존재하는 환경에서 인과 효과를 측정하기 위한 새로운 통계적 방법론인 DR-ACI를 제안합니다. 이중 강건 의사 결과(Doubly Robust Pseudo-outcomes)를 활용하여 신뢰할 수 있는 예측 구간을 구축하는 데 중점을 둡니다.
핵심 포인트
- 시간적 의존성을 고려한 인과 효과 추론 방법론 제안
- 이중 강건 적응형 등각 추론(DR-ACI) 프레임워크 도입
- 이중 강건 의사 결과를 통한 예측 구간 구축
통계학 (Statistics) > 머신러닝 (Machine Learning)
제목: 시간적 의존성 하에서의 인과 효과를 위한 이중 강건 적응형 등각 추론 (Doubly Robust Adaptive Conformal Inference for Causal Effects Under Temporal Dependence)
PDF HTML 보기 (실험적) 초록: 우리는 시간적 의존성 (Temporal Dependence) 하에서 이중 강건 의사 결과 (Doubly Robust Pseudo-outcomes)에 대한 예측 구간을 구축하는 이중 강건 적응형 등각 추론 (Doubly Robust Adaptive Conformal Inference, DR-ACI)을 제안합니다.
현재 탐색 문맥:
서지 및 인용 도구
이 논사와 관련된 코드, 데이터 및 미디어
데모
추천 및 검색 도구
arXivLabs: 커뮤니티 협력자와 함께하는 실험적 프로젝트
arXivLabs는 협력자들이 우리 웹사이트에서 직접 새로운 arXiv 기능을 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 활동하는 개인 및 조직은 개방성, 커뮤니티, 탁월함, 그리고 사용자 데이터 프라이버시라는 우리의 가치를 수용하고 받아들였습니다. arXiv는 이러한 가치에 전념하며, 이를 준수하는 파트너와만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있습니까? arXivLabs에 대해 더 알아보기.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0