Buchumschlag

Semiparametric Efficient Test for Interpretable Distributional Treatment Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zenati, Houssam, Gretton, Arthur
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Doubly-Robust Estimation of Counterfactual Policy Mean Embeddings
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Semiparametric Efficient Bilevel Gradient Estimation
von: Khoury, Fares El, et al.
Veröffentlicht: (2026)

Fast Best-in-Class Regret for Contextual Bandits
von: Girard, Samuel, et al.
Veröffentlicht: (2025)

Density Ratio-Free Doubly Robust Proxy Causal Learning
von: Bozkurt, Bariscan, et al.
Veröffentlicht: (2025)

Efficient Inference after Directionally Stable Adaptive Experiments
von: Shen, Zikai, et al.
Veröffentlicht: (2026)

Doubly Robust Proxy Causal Learning with Neural Mean Embeddings
von: Bozkurt, Bariscan, et al.
Veröffentlicht: (2026)

Semiparametrically Efficient Inference for Kernel Measures of Noise Heterogeneity
von: Wornbard, Jakub, et al.
Veröffentlicht: (2026)

Nonparametric Instrumental Variable Analysis Without Structural Equations: Debiased Inference on Functionals of Inverse Problems with No Solutions
von: Shen, Zikai, et al.
Veröffentlicht: (2026)

Double Debiased Machine Learning for Mediation Analysis with Continuous Treatments
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Regularized $f$-Divergence Kernel Tests
von: Ribero, Mónica, et al.
Veröffentlicht: (2026)

Functional Natural Policy Gradients
von: Bibaut, Aurelien, et al.
Veröffentlicht: (2026)

Towards Efficient and Optimal Covariance-Adaptive Algorithms for Combinatorial Semi-Bandits
von: Zhou, Julien, et al.
Veröffentlicht: (2024)

Perturbative methods for non-parametric instrumental variable
von: Bu, Wei, et al.
Veröffentlicht: (2026)

Kernel Single Proxy Control for Deterministic Confounding
von: Xu, Liyuan, et al.
Veröffentlicht: (2023)

Fast and Scalable Score-Based Kernel Calibration Tests
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Composite Goodness-of-fit Tests with Kernels
von: Key, Oscar, et al.
Veröffentlicht: (2021)

Causal mediation analysis with one or multiple mediators: a comparative study
von: Abécassis, Judith, et al.
Veröffentlicht: (2025)

Foundations of Multivariate Distributional Reinforcement Learning
von: Wiltzer, Harley, et al.
Veröffentlicht: (2024)

Practical Kernel Tests of Conditional Independence
von: Pogodin, Roman, et al.
Veröffentlicht: (2024)

Credal Two-Sample Tests of Epistemic Uncertainty
von: Chau, Siu Lun, et al.
Veröffentlicht: (2024)

Counterfactual Learning of Stochastic Policies with Continuous Actions
von: Zenati, Houssam, et al.
Veröffentlicht: (2020)

Deep Proxy Causal Learning and its Application to Confounded Bandit Policy Evaluation
von: Xu, Liyuan, et al.
Veröffentlicht: (2021)

Interventional Processes for Causal Uncertainty Quantification
von: Dance, Hugh, et al.
Veröffentlicht: (2024)

A Unified Data Representation Learning for Non-parametric Two-sample Testing
von: Tian, Xunye, et al.
Veröffentlicht: (2024)

Near-Optimality of Contrastive Divergence Algorithms
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves
von: Singh, Rahul, et al.
Veröffentlicht: (2021)

On the Hardness of Conditional Independence Testing In Practice
von: He, Zheng, et al.
Veröffentlicht: (2025)

On the Wasserstein Gradient Flow Interpretation of Drifting Models
von: Gretton, Arthur, et al.
Veröffentlicht: (2026)

Nonparametric Instrumental Regression via Kernel Methods is Minimax Optimal
von: Meunier, Dimitri, et al.
Veröffentlicht: (2024)

Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Towards Optimal Sobolev Norm Rates for the Vector-Valued Regularized Least-Squares Algorithm
von: Li, Zhu, et al.
Veröffentlicht: (2023)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Distributional Bellman Operators over Mean Embeddings
von: Wenliang, Li Kevin, et al.
Veröffentlicht: (2023)

Distributional Diffusion Models with Scoring Rules
von: De Bortoli, Valentin, et al.
Veröffentlicht: (2025)

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

Sobolev Regularized MMD Gradient Flow
von: Tian, Chenyang, et al.
Veröffentlicht: (2026)

Accelerated Diffusion Models via Speculative Sampling
von: De Bortoli, Valentin, et al.
Veröffentlicht: (2025)

Semiparametric Efficient Inference in Adaptive Experiments
von: Cook, Thomas, et al.
Veröffentlicht: (2023)

Online Data Collection for Efficient Semiparametric Inference
von: Gupta, Shantanu, et al.
Veröffentlicht: (2024)