Buchumschlag

Calibrated Inference for the Conditional Average Treatment Effect in the Few-Placebo Regime via Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Uehara, Eichi
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

Bayesian X-Learner: Calibrated Posterior Inference for Heterogeneous Treatment Effects under Heavy-Tailed Outcomes
von: Uehara, Eichi
Veröffentlicht: (2026)

Stop Suppressing the Tail: Causal Inference for Extreme Events
von: Uehara, Eichi
Veröffentlicht: (2026)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

SHIFT: Robust Double Machine Learning for Average Dose-Response Functions under Heavy-Tailed Contamination
von: Uehara, Eichi
Veröffentlicht: (2026)

Robust X-Learner: Breaking the Curse of Imbalance and Heavy Tails via Robust Cross-Imputation
von: Uehara, Eichi
Veröffentlicht: (2026)

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

Estimating Conditional Average Treatment Effects via Sufficient Representation Learning
von: Shi, Pengfei, et al.
Veröffentlicht: (2024)

Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Conditional Average Treatment Effect Estimation Under Hidden Confounders
von: Aloui, Ahmed, 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)

Double Robust Bayesian Inference on Average Treatment Effects
von: Breunig, Christoph, et al.
Veröffentlicht: (2022)

Causal Clustering for Conditional Average Treatment Effects Estimation and Subgroup Discovery
von: Wang, Zilong, et al.
Veröffentlicht: (2025)

Calibrating Transformers via Sparse Gaussian Processes
von: Chen, Wenlong, et al.
Veröffentlicht: (2023)

Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes
von: Zhang, Yan, et al.
Veröffentlicht: (2026)

Marginal and Conditional Importance Measures from Machine Learning Models and Their Relationship with Conditional Average Treatment Effect
von: Khan, Mohammad Kaviul Anam, et al.
Veröffentlicht: (2025)

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

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

ModAn-MulSupCon: Modality-and Anatomy-Aware Multi-Label Supervised Contrastive Pretraining for Medical Imaging
von: Takaya, Eichi, et al.
Veröffentlicht: (2025)

Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

Conformal Inference of Individual Treatment Effects Using Conditional Density Estimates
von: Wang, Baozhen, et al.
Veröffentlicht: (2025)

Direct Bayesian Additive Regression Trees for Conditional Average Treatment Effects in Regression Discontinuity Designs
von: Kondo, Daisuke, et al.
Veröffentlicht: (2026)

Consistent Labeling Across Group Assignments: Variance Reduction in Conditional Average Treatment Effect Estimation
von: Fu, Yi-Fu, et al.
Veröffentlicht: (2025)

SAFER: A Calibrated Risk-Aware Multimodal Recommendation Model for Dynamic Treatment Regimes
von: Shen, Yishan, et al.
Veröffentlicht: (2025)

Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)

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

Calibrated Computation-Aware Gaussian Processes
von: Hegde, Disha, et al.
Veröffentlicht: (2024)

Improving the Finite Sample Estimation of Average Treatment Effects using Double/Debiased Machine Learning with Propensity Score Calibration
von: Ballinari, Daniele, et al.
Veröffentlicht: (2024)

DeepBlip: Estimating Conditional Average Treatment Effects Over Time
von: Ma, Haorui, et al.
Veröffentlicht: (2025)

Multi-CATE: Multi-Accurate Conditional Average Treatment Effect Estimation Robust to Unknown Covariate Shifts
von: Kern, Christoph, et al.
Veröffentlicht: (2024)

A Bayesian Additive Regression Tree Model for Learning Conditional Average Treatment Effects in Regression Discontinuity Designs
von: Alcantara, Rafael, et al.
Veröffentlicht: (2025)

Learning Conditional Averages
von: Bressan, Marco, et al.
Veröffentlicht: (2026)

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

Logarithmic Neyman Regret for Adaptive Estimation of the Average Treatment Effect
von: Neopane, Ojash, et al.
Veröffentlicht: (2024)

Simplex-to-Euclidean Bijection for Conjugate and Calibrated Multiclass Gaussian Process
von: Williams, Bernardo, et al.
Veröffentlicht: (2026)

Three Costs of Amortizing Gaussian Process Inference with Neural Processes
von: Young, Robin
Veröffentlicht: (2026)

Instrumental and Proximal Causal Inference with Gaussian Processes
von: Zhang, Yuqi, et al.
Veröffentlicht: (2026)

Sparse Orthogonal Variational Inference for Gaussian Processes
von: Shi, Jiaxin, et al.
Veröffentlicht: (2019)

Amortized Variational Inference for Deep Gaussian Processes
von: Meng, Qiuxian, et al.
Veröffentlicht: (2024)

Conditioning Gaussian Processes on Almost Anything
von: Moss, Henry, et al.
Veröffentlicht: (2026)

Erasure Coded Neural Network Inference via Fisher Averaging
von: Jhunjhunwala, Divyansh, et al.
Veröffentlicht: (2024)