본 연구는 개별 치료 효과(ITE) 예측을 위한 새로운 방법론인 컨포멀 몬테카를로 메타 학습기를 제안한다. 이 방법론은 다음과 같은 3단계 프로세스로 구성된다:
유연한 기계 학습 회귀 모델을 사용하여 (잠재적) 결과 함수를 모델링한다. 그리고 분할 컨포멀 예측 시스템(SCPS)을 사용하여 각 공변량 집합에 대한 (잠재적) 결과 예측 분포를 구축한다.
이렇게 생성된 (잠재적) 결과 예측 분포에서 몬테카를로 샘플링을 수행하여 ITE 샘플을 생성한다.
이 ITE 샘플들을 CATE 추정기로 사용하는 메타 학습기와 함께 SCPS를 정의하여 최종적으로 ITE에 대한 예측 분포를 산출한다.
이 방법론은 3가지 변형(CMC-T-learner, CMC-S-learner, CMC-X-learner)으로 구현되었다. 실험 결과, CMC 메타 학습기는 기존 방법들에 비해 우수한 커버리지와 효율성을 보였다. 또한 잠재적 결과 오차항 간 상관관계가 ITE 예측 추론의 유효성에 큰 영향을 미치는 것으로 나타났다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Jef Jonkers,... kl. arxiv.org 03-20-2024
https://arxiv.org/pdf/2402.04906.pdfDybere Forespørgsler