权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Causal inference with small labeled samples

小标记样本的因果推断

基本信息

批准号：
21J14882
负责人：
原田将之介
金额：
$ 0.96万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-28 至 2023-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21J14882/
关键词：
因果推論因果効果推定介入効果推定

项目摘要

当該年度では主に(1)隠れ交絡変数を含む因果モデルに対する因果効果推定手法の開発, (2)グラフ構造データに対する因果効果推定手法の開発を行った.(1)では前年度に引き続き, 隠れ交絡変数を含む因果効果推定について取り組んだ. 交絡変数は正しい因果効果推定のために必要な変数だが, 倫理的な問題やプライバシーの観点から入手が困難な場合があり, 実際の観察データには含まれていない場合がある. このような状況における交絡変数を隠れ交絡変数と呼ぶ. 隠れ交絡変数を含む因果効果推定を考える際, 近年では深層学習手法の一つであるVariational AutoEncoder (VAE)を用いたアプローチが考えられるが, VAEには理論的な欠点があることが明らかになった. 本研究ではその欠点が因果効果推定においても望ましくない結果をもたらすことを示し, その欠点を補う手法の開発を行なった. 本研究の結果はThe 14th Asian Conference on Machine Learning (ACML2022)のspecial issueとして, 機械学習に関する重要な国際論文誌の一つであるMachine Learning Journalに採録された.(2)では任意のグラフ構造を含む個体に対する効率的な因果効果推定手法の開発を行った. 介入対象の個体が複雑な関係性を持つグラフである場合でも, 効率的に観察バイアス除去し正しい因果効果を推定することができる.

When the year is the main factor (1), the number of interactions is included in the causal effect estimation method development, and (2) the causal effect estimation method development is carried out. (1)In the previous year, the number of interactions included in the causal effect presumption was selected from the group. The number of interactions is the number of necessary factors for causal inference, ethical problems, and difficult situations to start with, and the actual observation of the problem is the number of necessary factors for causal inference. The number of contacts in the case of the above situation is less than the number of contacts. In recent years, a method of deep learning has been used to estimate the causal effect of the number of interactions. Variational AutoEncoder (VAE) has been used to estimate the causal effect. This study was conducted on the development of causal inference and the application of complementary techniques. The results of this study were collected in the special issue of The 14th Asian Conference on Machine Learning (ACML2022), an important international paper on machine learning. (2)The development of causal inference methods for arbitrary structures containing individual factors. The individual involved in the object has a complex relationship with the object. In this case, the effect of the object is observed. In this case, the effect of the object is estimated.