Buchumschlag

A Distributionally Robust Framework for Nuisance in Causal Effect Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tanimoto, Akira
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distributionally Robust Causal Abstractions
von: Felekis, Yorgos, et al.
Veröffentlicht: (2025)

Text Rationalization for Robust Causal Effect Estimation
von: Zhang, Lijinghua, et al.
Veröffentlicht: (2025)

Estimating Causal Effects from Learned Causal Networks
von: Raichev, Anna, et al.
Veröffentlicht: (2024)

Optimizing Graph Causal Classification Models: Estimating Causal Effects and Addressing Confounders
von: Job, Simi, et al.
Veröffentlicht: (2026)

Compositional Models for Estimating Causal Effects
von: Pruthi, Purva, et al.
Veröffentlicht: (2024)

Estimating Causal Effects in Gaussian Linear SCMs with Finite Data
von: Maiti, Aurghya, et al.
Veröffentlicht: (2026)

Disentangled Double Machine Learning for Accurate Causal Effect Estimation
von: Xiang, Guodu, et al.
Veröffentlicht: (2026)

Causal Rule Forest: Toward Interpretable and Precise Treatment Effect Estimation
von: Hsu, Chan, et al.
Veröffentlicht: (2024)

Causal Graph Learning via Distributional Invariance of Cause-Effect Relationship
von: Nguyen, Nang Hung, et al.
Veröffentlicht: (2026)

The Estimation of Continual Causal Effect for Dataset Shifting Streams
von: Chen, Baining, et al.
Veröffentlicht: (2025)

NESTER: An Adaptive Neurosymbolic Method for Causal Effect Estimation
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2022)

ACTIVA: Amortized Causal Effect Estimation via Transformer-based Variational Autoencoder
von: Sauter, Andreas, et al.
Veröffentlicht: (2025)

Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference
von: Ali, Sahara, et al.
Veröffentlicht: (2024)

Cognitive-Causal Multi-Task Learning with Psychological State Conditioning for Assistive Driving Perception
von: Inoshita, Keito, et al.
Veröffentlicht: (2026)

Learning Causal Structure Distributions for Robust Planning
von: Murillo-Gonzalez, Alejandro, et al.
Veröffentlicht: (2025)

Robust Uncertainty Estimation under Distribution Shift via Difference Reconstruction
von: Xu, Xinran, et al.
Veröffentlicht: (2026)

Empirical Analysis of Model Selection for Heterogeneous Causal Effect Estimation
von: Mahajan, Divyat, et al.
Veröffentlicht: (2022)

SNAP: Sequential Non-Ancestor Pruning for Targeted Causal Effect Estimation With an Unknown Graph
von: Schubert, Mátyás, et al.
Veröffentlicht: (2025)

Uncover and Unlearn Nuisances: Agnostic Fully Test-Time Adaptation
von: Srey, Ponhvoan, et al.
Veröffentlicht: (2025)

When Are Learning Biases Equivalent? A Unifying Framework for Fairness, Robustness, and Distribution Shift
von: Mehta, Sushant
Veröffentlicht: (2025)

Estimating Causal Effects in Partially Directed Parametric Causal Factor Graphs
von: Luttermann, Malte, et al.
Veröffentlicht: (2024)

Optimizing Feature Selection in Causal Inference: A Three-Stage Computational Framework for Unbiased Estimation
von: Yang, Tianyu, et al.
Veröffentlicht: (2025)

A Causal Framework for Evaluating Deferring Systems
von: Palomba, Filippo, et al.
Veröffentlicht: (2024)

Causality for Tabular Data Synthesis: A High-Order Structure Causal Benchmark Framework
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

I See, Therefore I Do: Estimating Causal Effects for Image Treatments
von: Thorat, Abhinav, et al.
Veröffentlicht: (2024)

Internal Causal Mechanisms Robustly Predict Language Model Out-of-Distribution Behaviors
von: Huang, Jing, et al.
Veröffentlicht: (2025)

Contextual Distributionally Robust Optimization with Causal and Continuous Structure: An Interpretable and Tractable Approach
von: Zhang, Fenglin, et al.
Veröffentlicht: (2026)

UniAlign: A Model-Agnostic Framework for Robust Network Traffic Classification under Distribution Shifts
von: Wang, Tongze, et al.
Veröffentlicht: (2026)

Robust Causal Discovery under Imperfect Structural Constraints
von: Wang, Zidong, et al.
Veröffentlicht: (2025)

Learning by Doing: An Online Causal Reinforcement Learning Framework with Causal-Aware Policy
von: Cai, Ruichu, et al.
Veröffentlicht: (2024)

Estimating and Mitigating the Congestion Effect of Curbside Pick-ups and Drop-offs: A Causal Inference Approach
von: Liu, Xiaohui, et al.
Veröffentlicht: (2022)

Black Box Causal Inference: Effect Estimation via Meta Prediction
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2025)

CARLE: A Hybrid Deep-Shallow Learning Framework for Robust and Explainable RUL Estimation of Rolling Element Bearings
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

Step-by-Step Causality: Transparent Causal Discovery with Multi-Agent Tree-Query and Adversarial Confidence Estimation
von: Ding, Ziyi, et al.
Veröffentlicht: (2026)

CausalCompass: Evaluating the Robustness of Time-Series Causal Discovery in Misspecified Scenarios
von: Yi, Huiyang, et al.
Veröffentlicht: (2026)

Distributionally Robust Optimization as a Scalable Framework to Characterize Extreme Value Distributions
von: Kuiper, Patrick, et al.
Veröffentlicht: (2024)

Unveiling the Potential of Robustness in Selecting Conditional Average Treatment Effect Estimators
von: Huang, Yiyan, et al.
Veröffentlicht: (2024)

A Causal Framework to Measure and Mitigate Non-binary Treatment Discrimination
von: Majumdar, Ayan, et al.
Veröffentlicht: (2025)

Optimal Experiments for Partial Causal Effect Identification
von: Maringgele, Tobias, et al.
Veröffentlicht: (2026)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)