Buchumschlag

Towards Optimal Environmental Policies: Policy Learning under Arbitrary Bipartite Network Interference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Raphael C., Bargagli-Stoffi, Falco J., Chen, Kevin L., Nethery, Rachel C.
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

Fair Policy Learning under Bipartite Network Interference: Learning Fair and Cost-Effective Environmental Policies
von: Kim, Raphael C., et al.
Veröffentlicht: (2026)

Environmental Justice Implications of Power Plant Emissions Control Policies: Heterogeneous Causal Effect Estimation under Bipartite Network Interference
von: Chen, Kevin L., et al.
Veröffentlicht: (2023)

Difference-in-Differences under Bipartite Network Interference: A Framework for Quasi-Experimental Assessment of the Effects of Environmental Policies on Health
von: Chen, Kevin L., et al.
Veröffentlicht: (2024)

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

Fast Uncertainty Quantification for Kernel-Based Estimators in Large-Scale Causal Inference
von: Kosko, Matthew, et al.
Veröffentlicht: (2026)

Causal Stability Selection
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2026)

Individualized Policy Evaluation and Learning under Clustered Network Interference
von: Zhang, Yi, et al.
Veröffentlicht: (2023)

Policy Targeting under Network Interference
von: Viviano, Davide
Veröffentlicht: (2019)

Characterizing the Effects of Environmental Exposures on Social Mobility: Bayesian Semi-parametrics for Principal Stratification
von: Zorzetto, Dafne, et al.
Veröffentlicht: (2024)

Foresighted Online Policy Optimization with Interference
von: Xiang, Liner, et al.
Veröffentlicht: (2025)

Estimating the Effects of Heatwaves on Health: A Causal Inference Framework
von: Grossi, Giulio, et al.
Veröffentlicht: (2025)

Estimation of Optimal Dynamic Treatment Assignment Rules under Policy Constraints
von: Sakaguchi, Shosei
Veröffentlicht: (2021)

Bayesian Nonparametrics for Principal Stratification with Continuous Post-Treatment Variables
von: Zorzetto, Dafne, et al.
Veröffentlicht: (2024)

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

Transporting Predictions via Double Machine Learning: Predicting Partially Unobserved Students' Outcomes
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2025)

Journey to the Centre of Cluster: Harnessing Interior Nodes for A/B Testing under Network Interference
von: Chen, Qianyi, et al.
Veröffentlicht: (2026)

Doubly Robust Interval Estimation for Optimal Policy Evaluation in Online Learning
von: Shen, Ye, et al.
Veröffentlicht: (2021)

Modern Causal Inference Approaches to Improve Power for Subgroup Analysis in Randomized Controlled Trials
von: D'Alessandro, Antonio, et al.
Veröffentlicht: (2025)

Off-Policy Evaluation and Learning for Survival Outcomes under Censoring
von: Kubota, Kohsuke, et al.
Veröffentlicht: (2026)

Policy Learning for Optimal Dynamic Treatment Regimes with Observational Data
von: Sakaguchi, Shosei
Veröffentlicht: (2024)

Econometric vs. Causal Structure-Learning for Time-Series Policy Decisions: Evidence from the UK COVID-19 Policies
von: Petrungaro, Bruno, et al.
Veröffentlicht: (2026)

Doubly Robust Fusion of Many Treatments for Policy Learning
von: Zhu, Ke, et al.
Veröffentlicht: (2025)

Multi-Armed Bandits with Network Interference
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2024)

Practical considerations for Gaussian Process modeling for causal inference quasi-experimental studies with panel data
von: Vega, Sofia L., et al.
Veröffentlicht: (2025)

CSPI-MT: Calibrated Safe Policy Improvement with Multiple Testing for Threshold Policies
von: Cho, Brian M, et al.
Veröffentlicht: (2024)

Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach
von: Zhan, Ruohan, et al.
Veröffentlicht: (2024)

The Local Approach to Causal Inference under Network Interference
von: Auerbach, Eric, et al.
Veröffentlicht: (2021)

Data-Automated Policy Learning for Nonlinear Welfare
von: Ai, Chunrong, et al.
Veröffentlicht: (2026)

Policy-Aware Design of Large-Scale Factorial Experiments
von: Wen, Xin, et al.
Veröffentlicht: (2026)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

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

Causal Representation Learning with Optimal Compression under Complex Treatments
von: Liang, Wanting, et al.
Veröffentlicht: (2026)

Learning Individual Treatment Effects under Heterogeneous Interference in Networks
von: Zhao, Ziyu, et al.
Veröffentlicht: (2022)

Safe Policy Learning through Extrapolation: Application to Pre-trial Risk Assessment
von: Ben-Michael, Eli, et al.
Veröffentlicht: (2021)

Inference on Optimal Policy Values and Other Irregular Functionals via Softmax Smoothing
von: Whitehouse, Justin, et al.
Veröffentlicht: (2025)

Causal Message Passing for Experiments with Unknown and General Network Interference
von: Shirani, Sadegh, et al.
Veröffentlicht: (2023)

Estimating Total Effects in Bipartite Experiments with Spillovers and Partial Eligibility
von: Tan, Albert, et al.
Veröffentlicht: (2025)

Evaluating and Learning Optimal Dynamic Treatment Regimes under Truncation by Death
von: Park, Sihyung, et al.
Veröffentlicht: (2025)

Combining Experimental and Historical Data for Policy Evaluation
von: Li, Ting, et al.
Veröffentlicht: (2024)

Integrating Active Learning in Causal Inference with Interference: A Novel Approach in Online Experiments
von: Zhu, Hongtao, et al.
Veröffentlicht: (2024)