机构名称：
¥ 3.0
在许多学科（例如个性化医学）中，随着时间的推移估算异质治疗效果（HTE）至关重要。现有的此任务的作品主要集中在基于模型的学习者上，这些学习者适应了特定的机器学习模型和调整机制。相比之下，模型不足的学习者（所谓的元学习者）在很大程度上没有探索。在我们的论文中，我们提出了几个元学习者，这些学习者可以与型号不合时宜，因此可以与任意机器学习模型（例如变形金刚）结合使用，以随着时间的推移估算HTES。然后，我们提供了一项全面的理论分析，该分析表征了不同的学习者，并使我们能够洞悉特定的学习者何时更可取。此外，我们提出了一种新颖的IVW-DR-LEARNER，即（i）使用双重稳健（DR）和正交损失； （ii）利用我们得出的逆变量权重（IVW），这些权重稳定了DR-als。由于DR-loss中的反质量反应产物，我们的IVW减小极端轨迹，导致估计方差较低。我们的IVW-DR-LEARNER在我们的实验中取得了卓越的性能，尤其是在重叠率较低和长期视野的方案中。
模型 - 敏捷的元学习者用于估计
主要关键词
相关文件推荐
