Buchumschlag

Metalearners for Ranking Treatment Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vanderschueren, Toon, Verbeke, Wouter, Moraes, Felipe, Proença, Hugo Manuel
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

Sources of Gain: Decomposing Performance in Conditional Average Dose Response Estimation
von: Bockel-Rickermann, Christopher, et al.
Veröffentlicht: (2024)

Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation
von: Deprez, Bruno, et al.
Veröffentlicht: (2024)

Using representation balancing to learn conditional-average dose responses from clustered data
von: Bockel-Rickermann, Christopher, et al.
Veröffentlicht: (2023)

Estimating Treatment Effects in Networks using Domain Adversarial Training
von: Caljon, Daan, et al.
Veröffentlicht: (2025)

Uncertainty in Machine Learning
von: Weytjens, Hans, et al.
Veröffentlicht: (2025)

Optimizing Treatment Allocation in the Presence of Interference
von: Caljon, Daan, et al.
Veröffentlicht: (2024)

Metalearning Continual Learning Algorithms
von: Irie, Kazuki, et al.
Veröffentlicht: (2023)

Is TabPFN the Silver Bullet for Insurance Pricing?
von: Deprez, Bruno, et al.
Veröffentlicht: (2026)

Navigating High Dimensional Concept Space with Metalearning
von: Gupta, Max
Veröffentlicht: (2025)

Privacy in Metalearning and Multitask Learning: Modeling and Separations
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2024)

Stabilizing distribution-free probabilistic forecasts
von: Van Belle, Jente, et al.
Veröffentlicht: (2026)

Metalearning with Very Few Samples Per Task
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2023)

Effective Regularization Through Loss-Function Metalearning
von: Gonzalez, Santiago, et al.
Veröffentlicht: (2020)

On the Necessity of Metalearning: Learning Suitable Parameterizations for Learning Processes
von: Hamidi, Massinissa, et al.
Veröffentlicht: (2023)

Inductive inference of gradient-boosted decision trees on graphs for insurance fraud detection
von: Vandervorst, Félix, et al.
Veröffentlicht: (2025)

Metalearning traffic assignment for network disruptions with graph convolutional neural networks
von: Agriesti, Serio, et al.
Veröffentlicht: (2026)

Uplift modeling with continuous treatments: A predict-then-optimize approach
von: De Vos, Simon, et al.
Veröffentlicht: (2024)

GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering
von: Deprez, Bruno, et al.
Veröffentlicht: (2025)

Metalearning
von: Brazdil, Pavel, et al.
Veröffentlicht: (2022)

Qini Curve Estimation under Clustered Network Interference
von: Karlsson, Rickard, et al.
Veröffentlicht: (2025)

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

Dynamic Design of Machine Learning Pipelines via Metalearning
von: Alcobaça, Edesio, et al.
Veröffentlicht: (2025)

The foundations of cost-sensitive causal classification
von: Verbeke, Wouter, et al.
Veröffentlicht: (2020)

Using dynamic loss weighting to boost improvements in forecast stability
von: Caljon, Daan, et al.
Veröffentlicht: (2024)

Advances in Continual Graph Learning for Anti-Money Laundering Systems: A Comprehensive Review
von: Deprez, Bruno, et al.
Veröffentlicht: (2025)

Decision-centric fairness: Evaluation and optimization for resource allocation problems
von: De Vos, Simon, et al.
Veröffentlicht: (2025)

"Patriarchy Hurts Men Too." Does Your Model Agree? A Discussion on Fairness Assumptions
von: Favier, Marco, et al.
Veröffentlicht: (2024)

Ablation Studies for Novel Treatment Effect Estimation Models
von: Souto, Hugo Gobato, et al.
Veröffentlicht: (2024)

dtaianomaly: A Python library for time series anomaly detection
von: Carpentier, Louis, et al.
Veröffentlicht: (2025)

A Causal Analysis of CO2 Reduction Strategies in Electricity Markets Through Machine Learning-Driven Metalearners
von: Naeini, Iman Emtiazi, et al.
Veröffentlicht: (2024)

Reranking individuals: The effect of fair classification within-groups
von: Goethals, Sofie, et al.
Veröffentlicht: (2024)

No evaluation without fair representation : Impact of label and selection bias on the evaluation, performance and mitigation of classification models
von: Legast, Magali, et al.
Veröffentlicht: (2026)

Performance of Rank-One Tensor Approximation on Incomplete Data
von: Lebeau, Hugo
Veröffentlicht: (2025)

Koopman Invariants as Drivers of Emergent Time-Series Clustering in Joint-Embedding Predictive Architectures
von: Ruiz-Morales, Pablo, et al.
Veröffentlicht: (2025)

Cherry on the Cake: Fairness is NOT an Optimization Problem
von: Favier, Marco, et al.
Veröffentlicht: (2024)

Interpretable reinforcement learning for heat pump control through asymmetric differentiable decision trees
von: Van Puyvelde, Toon, et al.
Veröffentlicht: (2025)

MoE-Beyond: Learning-Based Expert Activation Prediction on Edge Devices
von: Gavhane, Nishant, et al.
Veröffentlicht: (2025)

A Random Matrix Approach to Low-Multilinear-Rank Tensor Approximation
von: Lebeau, Hugo, et al.
Veröffentlicht: (2024)

How to Squeeze An Explanation Out of Your Model
von: Roxo, Tiago, et al.
Veröffentlicht: (2024)

Foundation Models for Credit Risk Prediction: A Game Changer?
von: Baesens, Bart, et al.
Veröffentlicht: (2026)