Copertina

Invariant Probabilistic Prediction

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Henzi, Alexander, Shen, Xinwei, Law, Michael, Bühlmann, Peter
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Causality-oriented robustness: exploiting general noise interventions
di: Shen, Xinwei, et al.
Pubblicazione: (2023)

Causality-Inspired Robustness for Nonlinear Models via Representation Learning
di: Šola, Marin, et al.
Pubblicazione: (2025)

A Rank-Based Sequential Test of Independence
di: Henzi, Alexander, et al.
Pubblicazione: (2023)

Assessing the overall and partial causal well-specification of nonlinear additive noise models
di: Schultheiss, Christoph, et al.
Pubblicazione: (2023)

Clustered random forests with correlated data for optimal estimation and inference under potential covariate shift
di: Young, Elliot H., et al.
Pubblicazione: (2025)

Distributionally Robust Learning for Multi-source Unsupervised Domain Adaptation
di: Wang, Zhenyu, et al.
Pubblicazione: (2023)

Causal inference using invariant prediction: identification and confidence intervals
di: Peters, Jonas, et al.
Pubblicazione: (2015)

Extrapolation-Aware Nonparametric Statistical Inference
di: Pfister, Niklas, et al.
Pubblicazione: (2024)

Invariant Causal Prediction with Local Models
di: Mey, Alexander, et al.
Pubblicazione: (2024)

Robustness Against Weak or Invalid Instruments: Exploring Nonlinear Treatment Models with Machine Learning
di: Guo, Zijian, et al.
Pubblicazione: (2022)

Engression: Extrapolation through the Lens of Distributional Regression
di: Shen, Xinwei, et al.
Pubblicazione: (2023)

Distributional Principal Autoencoders
di: Shen, Xinwei, et al.
Pubblicazione: (2024)

Domain Generalization and Adaptation in Intensive Care with Anchor Regression
di: Londschien, Malte, et al.
Pubblicazione: (2025)

The Causal Chambers: Real Physical Systems as a Testbed for AI Methodology
di: Gamella, Juan L., et al.
Pubblicazione: (2024)

Characterization and Greedy Learning of Gaussian Structural Causal Models under Unknown Interventions
di: Gamella, Juan L., et al.
Pubblicazione: (2022)

Reverse Markov Learning: Multi-Step Generative Models for Complex Distributions
di: Shen, Xinwei, et al.
Pubblicazione: (2025)

Treatment Effect Estimation with Observational Network Data using Machine Learning
di: Emmenegger, Corinne, et al.
Pubblicazione: (2022)

Frugal, Flexible, Faithful: Causal Data Simulation via Frengression
di: Yang, Linying, et al.
Pubblicazione: (2025)

Distributional Instrumental Variable Method
di: Holovchak, Anastasiia, et al.
Pubblicazione: (2025)

Causal Invariance Learning via Efficient Nonconvex Optimization
di: Wang, Zhenyu, et al.
Pubblicazione: (2024)

Building Trees for Probabilistic Prediction via Scoring Rules
di: Shashaani, Sara, et al.
Pubblicazione: (2024)

Optimistic search: Change point estimation for large-scale data via adaptive logarithmic queries
di: Kovács, Solt, et al.
Pubblicazione: (2020)

Bayesian Hierarchical Invariant Prediction
di: Madaleno, Francisco, et al.
Pubblicazione: (2025)

Probabilistic Conformal Prediction with Approximate Conditional Validity
di: Plassier, Vincent, et al.
Pubblicazione: (2024)

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

Prediction-Intervention Games and Invariant Sets
di: Kühne, Linus, et al.
Pubblicazione: (2026)

Conditional Local Independence Testing for Itô processes with Applications to Dynamic Causal Discovery
di: Liu, Mingzhou, et al.
Pubblicazione: (2025)

From Observations to Causations: A GNN-based Probabilistic Prediction Framework for Causal Discovery
di: Rashid, Rezaur, et al.
Pubblicazione: (2025)

Soft Mean Expected Calibration Error (SMECE): A Calibration Metric for Probabilistic Labels
di: Leznik, Michael
Pubblicazione: (2026)

Doubly Robust Proximal Causal Learning for Continuous Treatments
di: Wu, Yong, et al.
Pubblicazione: (2023)

Causal Discovery via Conditional Independence Testing with Proxy Variables
di: Liu, Mingzhou, et al.
Pubblicazione: (2023)

Invariant Causal Set Covering Machines
di: Godon, Thibaud, et al.
Pubblicazione: (2023)

Counterfactual Probabilistic Diffusion with Expert Models
di: Mu, Wenhao, et al.
Pubblicazione: (2025)

Gaussian Invariant Markov Chain Monte Carlo
di: Titsias, Michalis K., et al.
Pubblicazione: (2025)

Probabilistic Modelling is Sufficient for Causal Inference
di: Mlodozeniec, Bruno, et al.
Pubblicazione: (2025)

Probabilistic Factorial Experimental Design for Combinatorial Interventions
di: Shyamal, Divya, et al.
Pubblicazione: (2025)

Fundamental Computational Limits in Pursuing Invariant Causal Prediction and Invariance-Guided Regularization
di: Gu, Yihong, et al.
Pubblicazione: (2025)

Consistent Validation for Predictive Methods in Spatial Settings
di: Burt, David R., et al.
Pubblicazione: (2024)

Orthogonal Uplift Learning with Permutation-Invariant Representations for Combinatorial Treatments
di: Su, Xinyan, et al.
Pubblicazione: (2026)

Deep Generative Spatiotemporal Engression for Probabilistic Forecasting of Epidemics
di: Pathak, Rajdeep, et al.
Pubblicazione: (2026)