AAAI 2023 | LipCDE: 连续时间观测下的因果效应推断

点击蓝字

0ee72e49543fd0acfefccb858c0413bc.jpeg

关注我们

AI TIME欢迎每一位AI爱好者的加入!

d4e38e57ffc3517344dcd12b873c9dfa.gif

6291472fecb7976ec30baac24845266d.png

曹德福:

南加州大学(USC)Melady Lab 二年级博士生,研究方向包括因果推断和时间序列,已发表包含NeurIPS,  ICLR, AAAI在内的国际顶会论文十余篇,AAAI 2023预讲论文一作学者。

研究背景

在连续时间观测情况下,当我们考虑到有存在我们没有观测到的confounders(混杂因素)的存在的条件下,我们怎么样去做这样的一个因果现象推断(Treatment effect)。

afb540464c8f12217ef70f625e0bfacc.png

01

“什么是‘treatment effect’?

我们为什么要关注它?意义何在”

首先我们要明白何为“Treatment effect”:

因果推断主要是回答 "what-if "问题,以探索潜在的结果。在医疗保健环境中,这可以帮助医疗专业人士评估临床决定、治疗和干预的潜在后果。比如,如果癌症患者采取药物治疗而不是手术那他的生命体征会发生什么变化? 再比如,口罩禁令发布之后,COVID-19的疫情感染人数有所下降,我们会想理解如果没有口罩的禁令,新冠的感染患者的人数会如何变化?回答这些问题,需要我们理解“Treatment effect (治疗效应)”, 也就是说,我们不仅需要现在的机器学习模型能准确预测真实treatment施加后的结果&#

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值