핵심 개념
本文提出了一種名為 G 變換器 (GT) 的新型神經網路模型,用於從觀察性資料中估計條件平均潛在結果 (CAPO),特別是在時間推移的情況下。GT 基於迭代迴歸方案執行 G 計算,有效地調整了時變混雜因素,並以低變異性提供了對 CAPO 的準確估計。
Hess, K., Frauen, D., Melnychuk, V., & Feuerriegel, S. (2024). G-Transformer for Conditional Average Potential Outcome Estimation over Time. arXiv preprint arXiv:2405.21012v2.
本研究旨在開發一種新的神經網路模型,用於從觀察性資料中準確估計條件平均潛在結果 (CAPO),特別是在時間推移的情況下,並解決現有方法的局限性,例如未適當調整時變混雜因素或估計變異性大。