KNOWLEDGE VAULT — GENRE
因果推論
収蔵 6件最新 2026-11-08
このジャンルのタグ
月別アーカイブ
2026-11 の収蔵
2026-11-08
DOME:生物学における教師あり機械学習の検証のための推奨事項
DOME: Recommendations for supervised machine learning validation in biology
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Ian Walsh, Dmytro Fishman, Dario Garcia-Gasulla et al. | 2020-06-25)
- 生物学分野における機械学習の信頼性を高めるため、標準的な検証プロトコル(DOME)を提案。
- データ、最適化、モデル、評価(Data, Optimization, Model, Evaluation)の4つの側面から構造化された記述を求める。
- 研究者が実装時に回答すべき一連の質問を定義し、論文の補足資料への記載を推奨することで透明性を確保する。
2026-11-08
公的統計における機械学習時代におけるデータソースの変化
Changing Data Sources in the Age of Machine Learning for Official Statistics
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Cedric De Boom, Michael Reusens | 2023-06-07)
- 公的統計におけるデータサイエンスの導入は、迅速で柔軟な報告を可能にする一方で、データソースの信頼性と機械学習手法の正確性に強く依存する。
- データソースの変化は不可避であり、統計の品質と完全性に対する重大なリスクや不確実性をもたらす。
- 本論文では、データソースの変化に起因する主なリスク、責任、不確実性を概説し、技術的側面を含む主要な原因のチェックリストを提示する。
2026-11-08
二面市場における供給増分の因果推論:因果機械学習アプローチ
Estimating Supply Incrementality in Two-sided Marketplaces: A Causal Machine Learning Approach
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Yufei Wu, Daniel Schmierer, Dan Zylberglejd | 2026-06-30)
- 二面市場(Airbnb等)において、商品の追加供給が取引量や取引価値に与える因果関係を推定する手法を提案。
- Double Machine Learning (DML) と階層ベイズフレームワークを組み合わせ、既存の知識を事前分布として活用。
- 地理空間情報の類似度指標を特徴量として組み込むことで、製品セグメント間の差異を考慮した精緻な推定を実現。
2026-11-08
動的システムの解きほぐし:因果表現学習と局所スパースアテンションの融合
Disentangling Dynamical Systems: Causal Representation Learning Meets Local Sparse Attention
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Markus W. Baumgartner, Anson Lei, Joe Watson et al. | 2026-03-15)
- 従来のパラメータ推定手法(物理モデルに基づくもの)は、あらかじめ定義された関数空間に依存する制約がある。
- ディープラーニングは複雑なシステムをモデル化できるが、ブラックボックス性が高く、システムの構造を明示的に解きほぐすことが困難である。
- 因果表現学習を活用した新しい識別可能性定理を提案し、構造的仮定なしに軌道データからシステムパラメータの解きほぐされた表現を抽出する。
2026-11-08
地理的貧困の把握における地球観測データと機械学習を用いた因果推論の範囲レビュー
A Scoping Review of Earth Observation and Machine Learning for Causal Inference: Implications for the Geography of Poverty
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Kazuki Sakamoto, Connor T. Jerzak, Adel Daoud | 2024-05-30)
- 地球観測(EO)データと機械学習を組み合わせた因果推論の現状を包括的にレビューし、貧困の地理的分析への応用可能性を提示。
- EOデータを因果推論ワークフローに組み込む5つの主要なアプローチ(アウトカム補完、デコンファウンディング、異質性分析、輸送可能性分析、因果探索)を特定。
- データが乏しい地域における生活条件の予測から、より高度な因果関係の特定へと研究の焦点が移行していることを指摘。
2026-11-08
因果機械学習における欠落変数バイアスの理論と感度分析
Long Story Short: Omitted Variable Bias in Causal Machine Learning
出典:arXiv Core: Causal Inference, Double ML & Graph Laplacian(Authors: Victor Chernozhukov, Carlos Cinelli, Whitney Newey et al. | 2021-12-26)
- 広範な因果パラメータ(平均処置効果、政策効果等)に対する欠落変数バイアスの一般理論を構築。
- 非パラメトリックモデルを対象としつつ、半パラメトリックな制約にも対応可能な枠組みを提供。
- 欠落変数の最大説明力の妥当性判断に基づき、複雑な非線形モデルにおけるバイアスの大きさを境界(Bound)として算出。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。