详细内容或原文请订阅后点击阅览
None
None
来源:走向数据科学一个听起来简单但其实不然的问题
错误的目标。假设我们想要估计暴露对结果的影响，例如空气污染对入院或药物与康复时间的影响。我们有观察数据、一个暴露变量和一堆候选协变量。有些是混杂因素。有些是噪音。现在最大的问题是——模型中包含哪些？
通常的反射将选择交给选择规则。运行逐步例程、比较 BIC 值，甚至交叉验证 Lasso。完整贝叶斯平均收益超过候选规格。
然而，这些方法的问题在于，这些工具中的每一种都优化了预测拟合。模型可以完美地预测结果，但对我们关心的效果却存在系统性错误。
这个问题是 Chi Wang、Giovanni Parmigiani 和 Francesca Dominici 2012 年生物识别学论文的主题，他们称潜在问题为调整不确定性。正是针对哪些变量进行调整的不确定性，他们提出了一种称为混杂贝叶斯调整（BAC）的解决方案[1]。它还有一个著名的常客孪生，大多数人没有意识到这是相同的见解：后双重选择和双重机器学习[3][4]。
在这篇文章中，我将演示三件事。我将向您展示可运行的 Python 中的故障模式，构建修复程序，然后最终向您展示修复程序本身的锋利优势：“针对任何预测暴露的内容进行调整”的情况完全是错误的建议，并使您的估计变得更糟。
如果您一直在阅读有关倾向得分、子分类和匹配的内容，那么这些方法假设您已经回答了这个问题：您如何从数据中决定哪些协变量是有效的调整需求？
好的预测变量和混杂因素并不相同
Wang 和合著者用五个候选协变量说明了这一点。 U1、U2 和 U3 分别与 X 和 Y 相关。U4 单独预测 Y。 U5 是噪音。
故障模式，Python
这里发生了三件事：