Buchumschlag

Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abraham, Alexandre, Idrobo, Andrés Hoyos
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

Continuous Treatment Effects with Surrogate Outcomes
von: Zeng, Zhenghao, et al.
Veröffentlicht: (2024)

Direct Bias-Correction Term Estimation for Average Treatment Effect Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Detecting and Mitigating Group Bias in Heterogeneous Treatment Effects
von: Persson, Joel, et al.
Veröffentlicht: (2026)

Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes
von: Lu, Yuying, et al.
Veröffentlicht: (2026)

Bias-Corrected Data Synthesis for Imbalanced Learning
von: Lyu, Pengfei, et al.
Veröffentlicht: (2025)

Estimating Heterogeneous Treatment Effects on Survival Outcomes Using Counterfactual Censoring Unbiased Transformations
von: Xu, Shenbo, et al.
Veröffentlicht: (2024)

A Doubly Robust Machine Learning Approach for Disentangling Treatment Effect Heterogeneity with Functional Outcomes
von: Salmaso, Filippo, et al.
Veröffentlicht: (2026)

Treatment Effects in Extreme Regimes
von: Aloui, Ahmed, et al.
Veröffentlicht: (2023)

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

Fusing Individualized Treatment Rules Using Secondary Outcomes
von: Gao, Daiqi, et al.
Veröffentlicht: (2024)

Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding
von: Hafer, Marlies, et al.
Veröffentlicht: (2025)

A Systematic Bias of Machine Learning Regression Models and Its Correction: an Application to Imaging-based Brain Age Prediction
von: Lee, Hwiyoung, et al.
Veröffentlicht: (2024)

Sequential Treatment Effect Estimation with Unmeasured Confounders
von: Wang, Yingrong, et al.
Veröffentlicht: (2025)

Kernel Treatment Effects with Adaptively Collected Data
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Educational Effects in Mathematics: Conditional Average Treatment Effect depending on the Number of Treatments
von: Nagai, Tomoko, et al.
Veröffentlicht: (2024)

Improving the Estimation of Lifetime Effects in A/B Testing via Treatment Locality
von: Chen, Shuze, et al.
Veröffentlicht: (2024)

Decision-Focused Bias Correction for Fluid Approximation
von: Er, Can, et al.
Veröffentlicht: (2025)

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

ODE Discovery for Longitudinal Heterogeneous Treatment Effects Inference
von: Kacprzyk, Krzysztof, et al.
Veröffentlicht: (2024)

DISCRET: Synthesizing Faithful Explanations For Treatment Effect Estimation
von: Wu, Yinjun, et al.
Veröffentlicht: (2024)

Optimistic Algorithms for Adaptive Estimation of the Average Treatment Effect
von: Neopane, Ojash, et al.
Veröffentlicht: (2025)

Staged Event Trees for Transparent Treatment Effect Estimation
von: Varando, Gherardo, et al.
Veröffentlicht: (2025)

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)

Optimal Bias-Correction and Valid Inference in High-Dimensional Ridge Regression: A Closed-Form Solution
von: Gao, Zhaoxing, et al.
Veröffentlicht: (2024)

CURLS: Causal Rule Learning for Subgroups with Significant Treatment Effect
von: Zhou, Jiehui, et al.
Veröffentlicht: (2024)

SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification
von: Lee, Seungyeon, et al.
Veröffentlicht: (2024)

Combining Incomplete Observational and Randomized Data for Heterogeneous Treatment Effects
von: Yao, Dong, et al.
Veröffentlicht: (2024)

Representation Learning Preserving Ignorability and Covariate Matching for Treatment Effects
von: Nanavati, Praharsh, et al.
Veröffentlicht: (2025)

Statistical Learning for Heterogeneous Treatment Effects: Pretraining, Prognosis, and Prediction
von: Schuessler, Maximilian, et al.
Veröffentlicht: (2025)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

Bounds and Sensitivity Analysis of the Causal Effect Under Outcome-Independent MNAR Confounding
von: Peña, Jose M.
Veröffentlicht: (2024)

Minimax Regret Estimation for Generalizing Heterogeneous Treatment Effects with Multisite Data
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data
von: Oprescu, Miruna, et al.
Veröffentlicht: (2024)

Dynamic Inter-treatment Information Sharing for Individualized Treatment Effects Estimation
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2023)

What Makes Forest-Based Heterogeneous Treatment Effect Estimators Work?
von: Dandl, Susanne, et al.
Veröffentlicht: (2022)

Deep Learning of Continuous and Structured Policies for Aggregated Heterogeneous Treatment Effects
von: Zhang, Jennifer Y., et al.
Veröffentlicht: (2025)

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

Differentiable Pareto-Smoothed Weighting for High-Dimensional Heterogeneous Treatment Effect Estimation
von: Chikahara, Yoichi, et al.
Veröffentlicht: (2024)

ML-assisted Randomization Tests for Detecting Treatment Effects in A/B Experiments
von: Guo, Wenxuan, et al.
Veröffentlicht: (2025)