エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
CATE推定のためのCausal Treeの仕組み|Dentsu Digital Tech Blog
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
CATE推定のためのCausal Treeの仕組み|Dentsu Digital Tech Blog
この記事について 電通デジタルでデータサイエンティストをしている中嶋です。この記事では統計的因果推... この記事について 電通デジタルでデータサイエンティストをしている中嶋です。この記事では統計的因果推論で出てくるConditional Average Treatment Effect (条件付き平均処置効果、以下CATEと略記します)を算出する手法の一種であるCausal Tree(因果木)の仕組みを論文[1]に沿って解説します。前提知識として、機械学習手法の決定木の概要と因果推論の基本的なフレームについて理解している必要があります。 CATEについて最初に今回の手法で推定する対象となるCATEの定義を与えます。そのために記号の準備を行います。 記号の準備 今回扱うデータセットのサンプルサイズは N 件とし、各標本を i (=1,..,N) で表します。各標本に対する処置変数をWiで表し、Wi=1を処置ありの介入群、Wi=0 を処置無しの対照群とします。(Yi(1),Yi(0))を標本i