Buchumschlag

Learning covariate importance for matching in policy-relevant observational research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Hongzhe, Shi, Jiasheng, Huang, Jing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
von: Xu, Haoshu, et al.
Veröffentlicht: (2024)

Stein-Encoder: A White-Box Supervised Encoder via Stein Identities in Multi-Modal Studies
von: Zhang, Jiarui, et al.
Veröffentlicht: (2026)

Statistical ranking with dynamic covariates
von: Dong, Pinjun, et al.
Veröffentlicht: (2024)

Covariate-assisted graph matching
von: Dawn, Trisha, et al.
Veröffentlicht: (2025)

A class of modular and flexible covariate-based covariance functions for nonstationary spatial modeling
von: Blasi, Federico, et al.
Veröffentlicht: (2024)

Off-policy Evaluation in Doubly Inhomogeneous Environments
von: Bian, Zeyu, et al.
Veröffentlicht: (2023)

Convex estimation of Gaussian graphical regression models with covariates
von: Liu, Ruobin, et al.
Veröffentlicht: (2024)

Minimum Wasserstein distance estimator under covariate shift: closed-form, super-efficiency and irregularity
von: Lang, Junjun, et al.
Veröffentlicht: (2026)

Gotta match 'em all: Solution diversification in graph matching matched filters
von: Li, Zhirui, et al.
Veröffentlicht: (2023)

Applying non-negative matrix factorization with covariates to label matrix for classification
von: Satoh, Kenichi
Veröffentlicht: (2025)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

Binomial flows: Denoising and flow matching for discrete ordinal data
von: Shenfeld, Yair, et al.
Veröffentlicht: (2026)

BARTSIMP: flexible spatial covariate modeling and prediction using Bayesian additive regression trees
von: Jiang, Alex Ziyu, et al.
Veröffentlicht: (2023)

Decorrelated feature importance from local sample weighting
von: Fröhlich, Benedikt, et al.
Veröffentlicht: (2025)

A Graphical Approach to State Variable Selection in Off-policy Learning
von: Andersen, Joakim Blach, et al.
Veröffentlicht: (2025)

Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes
von: Feng, Brandon R., et al.
Veröffentlicht: (2024)

Spatially-informed transformers: Injecting geostatistical covariance biases into self-attention for spatio-temporal forecasting
von: Calleo, Yuri
Veröffentlicht: (2025)

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

Inference on covariance structure in high-dimensional multi-view data
von: Mauri, Lorenzo, et al.
Veröffentlicht: (2025)

High-dimensional multiple imputation (HDMI) for partially observed confounders including natural language processing-derived auxiliary covariates
von: Weberpals, Janick, et al.
Veröffentlicht: (2024)

Efficient nonparametric statistical inference on population feature importance using Shapley values
von: Williamson, Brian D., et al.
Veröffentlicht: (2020)

Global convergence of optimized adaptive importance samplers
von: Akyildiz, Ömer Deniz
Veröffentlicht: (2022)

An intuitive rearranging of the Yates covariance decomposition for probabilistic verification of forecasts with the Brier score
von: Vieira, Bruno Hebling
Veröffentlicht: (2026)

Augmented transfer regression learning for completely missing covariates
von: Zhao, Huali, et al.
Veröffentlicht: (2026)

Improving the stability of the covariance-controlled adaptive Langevin thermostat for large-scale Bayesian sampling
von: Wei, Jiani, et al.
Veröffentlicht: (2025)

Multi forests: Variable importance for multi-class outcomes
von: Hornung, Roman, et al.
Veröffentlicht: (2024)

Data-Driven Knowledge Transfer in Batch $Q^*$ Learning
von: Chen, Elynn, et al.
Veröffentlicht: (2024)

Sample size determination for machine learning in medical research
von: Arifin, Wan Nor, et al.
Veröffentlicht: (2025)

Causal Imitation Learning Under Measurement Error and Distribution Shift
von: Bo, Shi, et al.
Veröffentlicht: (2026)

Powerful rank verification for multivariate Gaussian data with any covariance structure
von: Sood, Anav
Veröffentlicht: (2025)

A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation
von: Shi, Jieru, et al.
Veröffentlicht: (2023)

Dynamical causality under invisible confounders
von: Yan, Jinling, et al.
Veröffentlicht: (2024)

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
von: Wu, Xiangkun, et al.
Veröffentlicht: (2026)

A Large Scale Heterogeneous Treatment Effect Estimation Framework and Its Applications of Users' Journey at Snap
von: Pan, Jing, et al.
Veröffentlicht: (2025)

Optimal convex $M$-estimation via score matching
von: Feng, Oliver Y., et al.
Veröffentlicht: (2024)

Learned harmonic mean estimation of the marginal likelihood for multimodal posteriors with flow matching
von: Polanska, Alicja, et al.
Veröffentlicht: (2026)

Stein's unbiased risk estimate and Hyvärinen's score matching
von: Ghosh, Sulagna, et al.
Veröffentlicht: (2025)

Mixture-of-experts Wishart model for covariance matrices with an application to Cancer drug screening
von: Mai, The Tien, et al.
Veröffentlicht: (2026)

Do covariates explain why these groups differ? The choice of reference group can reverse conclusions in the Oaxaca-Blinder decomposition
von: Quintero, Manuel, et al.
Veröffentlicht: (2026)

Semiparametric Learning from Open-Set Label Shift Data
von: Liu, Siyan, et al.
Veröffentlicht: (2025)