机器学习视角下的因果推断-阅读笔记
机器学习视角下的因果推断 (qq.com)总结：受试者效应（实验组效果）的可靠性，会受到样本不能完全代表总体的这个条件限制的影响。也就是说不可能对所有样本做试验，也不可能保证样本的分布与总体分布一定一致，因为总体分布通常不可知。保证效果可靠关键是要保证随机性，或者说，实验组与对照组足够相似。有些什么方法呢：1、匹配。一是根据协方差相似度匹配。二是PSM，倾向性得分匹配。对每个样本计算出现的概率，就
·
总结：
受试者效应（实验组效果）的可靠性，会受到样本不能完全代表总体的这个条件限制的影响。
也就是说不可能对所有样本做试验，也不可能保证样本的分布与总体分布一定一致，因为总体分布通常不可知。
保证效果可靠关键是要保证随机性，或者说，实验组与对照组足够相似。
有些什么方法呢：
1、匹配。
一是根据协方差相似度匹配。
二是PSM，倾向性得分匹配。
对每个样本计算出现的概率，就是所谓倾向性得分，是在给定样本特征X时，不同样本接受处理的条件概率。很像先验。基于倾向得分估计值对样本进行匹配后估计因果效应？这样能行？
2、断点回归
3、双重差分
4、合成控制。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)