Buchumschlag

Optimization-based Causal Estimation from Heterogenous Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Mingzhang, Wang, Yixin, Blei, David M.
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hierarchical Causal Models
von: Weinstein, Eli N., et al.
Veröffentlicht: (2024)

Multi-Domain Empirical Bayes for Linearly-Mixed Causal Representations
von: Wu, Bohan, et al.
Veröffentlicht: (2026)

Identifiable Deep Generative Models via Sparse Decoding
von: Moran, Gemma E., et al.
Veröffentlicht: (2021)

Stable Differentiable Causal Discovery
von: Nazaret, Achille, et al.
Veröffentlicht: (2023)

Estimating Wage Disparities Using Foundation Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2024)

Adaptive Nonparametric Perturbations of Parametric Models with Generalized Bayes
von: Wu, Bohan, et al.
Veröffentlicht: (2024)

Bayesian Invariance Modeling of Multi-Environment Data
von: Wu, Luhuan, et al.
Veröffentlicht: (2025)

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
von: Wu, Bohan, et al.
Veröffentlicht: (2025)

Discrete Causal Representation Learning
von: Zhang, Wenjin, et al.
Veröffentlicht: (2026)

Neural Generalized Mixed-Effects Models
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2026)

Data-Driven Influence Functions for Optimization-Based Causal Inference
von: Jordan, Michael I., et al.
Veröffentlicht: (2022)

Environment-Adaptive Covariate Selection: Learning When to Use Spurious Correlations for Out-of-Distribution Prediction
von: Zuo, Shuozhi, et al.
Veröffentlicht: (2026)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Valid Inference After Causal Discovery
von: Gradu, Paula, et al.
Veröffentlicht: (2022)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

Empirical Analysis of Model Selection for Heterogeneous Causal Effect Estimation
von: Mahajan, Divyat, et al.
Veröffentlicht: (2022)

Worst-case low-rank approximations
von: Fries, Anya, et al.
Veröffentlicht: (2026)

A Targeted Learning Framework for Estimating Restricted Mean Survival Time Difference using Pseudo-observations
von: Jin, Man, et al.
Veröffentlicht: (2026)

The Amenability Framework: Rethinking Causal Ordering Without Estimating Causal Effects
von: Fernández-Loría, Carlos, et al.
Veröffentlicht: (2025)

Undersmoothing Causal Estimators with Generative Trees
von: Machlanski, Damian, et al.
Veröffentlicht: (2022)

The Honest Truth About Causal Trees: Accuracy Limits for Heterogeneous Treatment Effect Estimation
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2025)

Compositional Models for Estimating Causal Effects
von: Pruthi, Purva, et al.
Veröffentlicht: (2024)

Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2020)

Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
von: Clivio, Oscar, et al.
Veröffentlicht: (2026)

A Stable and Efficient Covariate-Balancing Estimator for Causal Survival Effects
von: Pham, Khiem, et al.
Veröffentlicht: (2023)

Causal Effect Estimation with Learned Instrument Representations
von: Dean, Frances, et al.
Veröffentlicht: (2026)

Causal Estimation of Exposure Shifts with Neural Networks
von: Tec, Mauricio, et al.
Veröffentlicht: (2023)

Accounting for Missing Covariates in Heterogeneous Treatment Estimation
von: Yamin, Khurram, et al.
Veröffentlicht: (2024)

A Unified Framework for Structure-Aware Clustering and Heterogeneous Causal Graph Learning
von: Du, Honglin, et al.
Veröffentlicht: (2026)

Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes
von: Du, Jin-Hong, et al.
Veröffentlicht: (2024)

Causality Pursuit from Heterogeneous Environments via Neural Adversarial Invariance Learning
von: Gu, Yihong, et al.
Veröffentlicht: (2024)

The Challenges of Hyperparameter Tuning for Accurate Causal Effect Estimation
von: Machlanski, Damian, et al.
Veröffentlicht: (2023)

Considerations for Estimating Causal Effects of Informatively Timed Treatments
von: Oganisian, Arman
Veröffentlicht: (2025)

Hybrid Meta-learners for Estimating Heterogeneous Treatment Effects
von: Liang, Zhongyuan, et al.
Veröffentlicht: (2025)

Using LLMs to Directly Guess Conditional Expectations Can Improve Efficiency in Causal Estimation
von: Engh, Chris, et al.
Veröffentlicht: (2025)

A Causal Inference Framework for Data Rich Environments
von: Abadie, Alberto, et al.
Veröffentlicht: (2025)

Hierarchical Bias-Driven Stratification for Interpretable Causal Effect Estimation
von: Ter-Minassian, Lucile, et al.
Veröffentlicht: (2024)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
von: Zhou, Guanhao, et al.
Veröffentlicht: (2025)

Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning
von: Fan, Di, et al.
Veröffentlicht: (2023)

Hierarchical and Density-based Causal Clustering
von: Kim, Kwangho, et al.
Veröffentlicht: (2024)