:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tanaka, Masahiro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Methodology
Online-Zugang:	https://arxiv.org/abs/2511.05050
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates for Prediction-Powered Causal Inference
von: Kato, Masahiro
Veröffentlicht: (2025)

Causal Effect Estimation with Learned Instrument Representations
von: Dean, Frances, et al.
Veröffentlicht: (2026)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Transfer Learning for Causal Effect Estimation
von: Wei, Song, et al.
Veröffentlicht: (2023)

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

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

Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
von: Clivio, Oscar, et al.
Veröffentlicht: (2026)

Bridging the Gap between Empirical Welfare Maximization and Conditional Average Treatment Effect Estimation in Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

The Amenability Framework: Rethinking Causal Ordering Without Estimating Causal Effects
von: Fernández-Loría, Carlos, et al.
Veröffentlicht: (2025)

An Overview of Causal Inference using Kernel Embeddings
von: Sejdinovic, Dino
Veröffentlicht: (2024)

Considerations for Estimating Causal Effects of Informatively Timed Treatments
von: Oganisian, Arman
Veröffentlicht: (2025)

The Challenges of Hyperparameter Tuning for Accurate Causal Effect Estimation
von: Machlanski, Damian, et al.
Veröffentlicht: (2023)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
von: Singh, Aman
Veröffentlicht: (2026)

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

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

Detecting Changes in Causal Dependence with Kernels and Copulas
von: Gavioli-Akilagun, Shakeel, et al.
Veröffentlicht: (2026)

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Optimal Kernel Choice for Score Function-based Causal Discovery
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)

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

DCILP: A Distributed Approach for Large-Scale Causal Structure Learning
von: Dong, Shuyu, 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 Stable and Efficient Covariate-Balancing Estimator for Causal Survival Effects
von: Pham, Khiem, et al.
Veröffentlicht: (2023)

RepFlow: Representation Enhanced Flow Matching for Causal Effect Estimation
von: Xie, Yifei, et al.
Veröffentlicht: (2026)

ScoreMatchingRiesz: Score Matching for Debiased Machine Learning and Policy Path Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Adaptive Kernel Density Estimation with Pre-training
von: Zhang, Ruitong, et al.
Veröffentlicht: (2026)

Recursive Estimation of Conditional Kernel Mean Embeddings
von: Tamás, Ambrus, et al.
Veröffentlicht: (2023)

Causal Effect Estimation with TMLE: Handling Missing Data and Near-Violations of Positivity
von: Wiederkehr, Christoph, et al.
Veröffentlicht: (2025)

A Kernel Test for Causal Association via Noise Contrastive Backdoor Adjustment
von: Hu, Robert, et al.
Veröffentlicht: (2021)

Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
von: Kato, Masahiro
Veröffentlicht: (2024)

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

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning
von: Dhir, Anish, et al.
Veröffentlicht: (2025)

Neural Networks with Causal Graph Constraints: A New Approach for Treatment Effects Estimation
von: Pros, Roger, et al.
Veröffentlicht: (2024)

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)

Causal Inference on Stopped Random Walks in Online Advertising
von: Yu, Jia Yuan
Veröffentlicht: (2026)

Topological Causal Effects
von: Kim, Kwangho, et al.
Veröffentlicht: (2026)