arXiv · ML· Emil Javurek, Dennis Frauen, Yuxin Wang, Stefan Feuerriegel·· 3 天前AI 评分30
因果推断中的广义贝叶斯框架
Generalized Bayes for Causal Inference
AI 导读
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
来源:arXiv · ML · arxiv.org