- 博客(3)
- 收藏
- 关注
RSS订阅原创 因果论文精读与总结（一）
本文重点梳理从因果树到因果森林、再到广义随机森林，正交随机森林，其中不乏涉及相关论文的精读推导.泛化性.假设 θ(x) 是我们感兴趣的参数， v(x) 是我们不感兴趣的参数（nuisance parameter）； O为观测结果；为得分函数.那么广义随机森林解决的是以下局部矩方程求得我们感兴趣的 θ(x) ,使得最小化感兴趣的参数的误差等价于最大化两个子节点的异质性. 总结一句话，就是帮助解决因果推断中的“异质性”问题.1.什么是维数诅咒？增加维度而不增加训练样本的数量导致分类器性能的降低。不断增加维度
2023-08-06 23:00:28
1690
1
原创 因果森林与广义随机森林
Recursive Partitioning for Heterogeneous Causal Effects》因果树，2015年12月，异质因果效应的递归划分。因果树：使得每个组中都有实验组个体与对照组个体，因此每个分组都构成了一个人为构造的实验，可以直接计算出处理效应。训练集Str：一份用来先训练普通 CART 树(特征为 X, 输出为T )，把相似的个体放到一个叶节点。给定样本J,Cp表示父节点, C1 和 C2 表示两个子节点, N表示样本数, 异质性最大化准则为。以下文献全部按照时间来排序.
2023-07-04 22:44:15
2067
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人