| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-08 10:00 連続値変数への介入操作に関する機械学習手法を使用した平均因果効果推定法 ○北沢芳明（数理システム）  IBISML2021-30 |
|
| 抄録 | （和） | 平均因果効果・平均処置効果推定法においてこれまで広く議論されているのは, 介入群/非介入群の分割操作を意味する離散2値変数への介入操作を対象とするものとなる．連続値変数への介入操作に関してデータの生成モデルに非依存となる手法はまだ開発されていない．本研究では，連続値変数の介入操作に関する平均因果効果推定法に関して，因果効果が識別可能であれば任意のデータの生成モデルに適用可能となるものを与える．提案する手法は，機械学習アルゴリズムに非依存となり，かつデータの識別可能性を維持するものとなる． |
| （英） | The most widely discussed methods for estimating the Average Causal Effect / Average Treatment Effect are those for intervention in discrete binary variables whose value represents the intervention / non-intervention groups. On other hands, methods for intervening in a continuous variables independent of the data generating model has not been developed. In this study, I give a method for estimating the average causal effect for intervention in continuous variables that can be applied to data of any generating model as long as the causal effect is identifiable. The proposed method is independent of machine learning algorithms and preserves the identifiability of the data. |
|
| キーワード | （和） | 因果効果 / 介入効果 / 平均因果効果 / 平均処置効果 / 平均介入効果 / 識別可能性 / メタラーナ / |
| （英） | causal effect / causal effect identifiability / average causal effect / average treatment effect / meta-leaner / / / | |
| 文献情報 | 信学技報, vol. 121, no. 419, IBISML2021-30, pp. 1-7, 2022年3月. | |
| 資料番号 | IBISML2021-30 | |
| 発行日 | 2022-03-01 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2021-30 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2022-03-08 - 2022-03-09 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習・一般 |
| テーマ（英） | Machine Learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 連続値変数への介入操作に関する機械学習手法を使用した平均因果効果推定法 |
| サブタイトル（和） | |
| タイトル（英） | Estimating average causal effect of intervention in continuous variables using machine learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 因果効果 / causal effect |
| キーワード(2)（和/英） | 介入効果 / causal effect identifiability |
| キーワード(3)（和/英） | 平均因果効果 / average causal effect |
| キーワード(4)（和/英） | 平均処置効果 / average treatment effect |
| キーワード(5)（和/英） | 平均介入効果 / meta-leaner |
| キーワード(6)（和/英） | 識別可能性 / |
| キーワード(7)（和/英） | メタラーナ / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 北沢 芳明 / Yoshiaki Kitazawa / キタザワ ヨシアキ |
| 第1著者 所属（和/英） | 株式会社NTTデータ数理システム (略称： 数理システム) NTT DATA Mathematical Systems Inc. (略称： MSI) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-08 10:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-30 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.419 |
| ページ範囲 | pp.1-7 |
| ページ数 | 7 |
| 発行日 | 2022-03-01 (IBISML) |
[研究会発表申込システムのトップページに戻る]