Buchumschlag

Causal Machine Learning for Cost-Effective Allocation of Development Aid

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kuzmanovic, Milan, Frauen, Dennis, Hatt, Tobias, Feuerriegel, Stefan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Orthogonal Representation Learning for Estimating Causal Quantities
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Generalized Bayes for Causal Inference
von: Javurek, Emil, et al.
Veröffentlicht: (2026)

Causal Fairness under Unobserved Confounding: A Neural Sensitivity Framework
von: Schröder, Maresa, et al.
Veröffentlicht: (2023)

Foundation Models for Causal Inference via Prior-Data Fitted Networks
von: Ma, Yuchen, et al.
Veröffentlicht: (2025)

Model-agnostic meta-learners for estimating heterogeneous treatment effects over time
von: Frauen, Dennis, et al.
Veröffentlicht: (2024)

Partial Counterfactual Identification of Continuous Outcomes with a Curvature Sensitivity Model
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2023)

Bounds on Representation-Induced Confounding Bias for Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2023)

Amortizing Causal Sensitivity Analysis via Prior Data-Fitted Networks
von: Javurek, Emil, et al.
Veröffentlicht: (2026)

Efficient and Sharp Off-Policy Learning under Unobserved Confounding
von: Hess, Konstantin, et al.
Veröffentlicht: (2025)

DeepBlip: Estimating Conditional Average Treatment Effects Over Time
von: Ma, Haorui, et al.
Veröffentlicht: (2025)

Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Debiased neural operators for estimating functionals
von: Hess, Konstantin, et al.
Veröffentlicht: (2026)

Bayesian Neural Controlled Differential Equations for Treatment Effect Estimation
von: Hess, Konstantin, et al.
Veröffentlicht: (2023)

LLM-Driven Treatment Effect Estimation Under Inference Time Text Confounding
von: Ma, Yuchen, et al.
Veröffentlicht: (2025)

Orthogonal Survival Learners for Estimating Heterogeneous Treatment Effects from Time-to-Event Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

IGC-Net for conditional average potential outcome estimation over time
von: Hess, Konstantin, et al.
Veröffentlicht: (2024)

Consistent End-to-End Estimation for Counterfactual Fairness
von: Ma, Yuchen, et al.
Veröffentlicht: (2023)

Conformal Prediction for Causal Effects of Continuous Treatments
von: Schröder, Maresa, et al.
Veröffentlicht: (2024)

A Neural Framework for Generalized Causal Sensitivity Analysis
von: Frauen, Dennis, et al.
Veröffentlicht: (2023)

Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference
von: Amad, Harry, et al.
Veröffentlicht: (2025)

Orthogonal Learner for Estimating Heterogeneous Long-Term Treatment Effects
von: Ma, Haorui, et al.
Veröffentlicht: (2026)

Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring
von: Wang, Yuxin, et al.
Veröffentlicht: (2025)

Rank-Learner: Orthogonal Ranking of Treatment Effects
von: Arno, Henri, et al.
Veröffentlicht: (2026)

Nonparametric LLM Evaluation from Preference Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2026)

Overlap-weighted orthogonal meta-learner for treatment effect estimation over time
von: Hess, Konstantin, et al.
Veröffentlicht: (2025)

Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments
von: Schweisthal, Jonas, et al.
Veröffentlicht: (2024)

Learning Representations of Instruments for Partial Identification of Treatment Effects
von: Schweisthal, Jonas, et al.
Veröffentlicht: (2024)

Constructing Confidence Intervals for Average Treatment Effects from Multiple Datasets
von: Wang, Yuxin, et al.
Veröffentlicht: (2024)

Targeted Synthetic Control Method
von: Wang, Yuxin, et al.
Veröffentlicht: (2026)

An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes
von: Javurek, Emil, et al.
Veröffentlicht: (2025)

Adaptive Experimentation for Censored Survival Outcomes
von: Wang, Yuxin, et al.
Veröffentlicht: (2026)

Treatment Effect Estimation for Optimal Decision-Making
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

Causal machine learning for predicting treatment outcomes
von: Feuerriegel, Stefan, et al.
Veröffentlicht: (2024)

Continual Learning of Domain-Invariant Representations
von: Janetzky, Pascal, et al.
Veröffentlicht: (2026)

Causal methods for LLM development and evaluation
von: Frauen, Dennis, et al.
Veröffentlicht: (2026)

GDR-learners: Orthogonal Learning of Generative Models for Potential Outcomes
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Slowing Down Forgetting in Continual Learning
von: Janetzky, Pascal, et al.
Veröffentlicht: (2024)

ConfoundingSHAP: Quantifying confounding strength in causal inference
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2026)

Frequentist Consistency of Prior-Data Fitted Networks for Causal Inference
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2026)

Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework
von: Schröder, Maresa, et al.
Veröffentlicht: (2026)