.fb-comments,.fb-comments span,.fb-comments span iframe [style]{ min-width:100%!important;width:100%!important}
Een causaal effect betekent dat er een zekere factor optreedt, afhankelijk van alles wat zich inmiddels heeft voorgedaan. In het bedrijfsleven is de oorzakelijke invloed van een remedie erg belangrijk, bijvoorbeeld, het veranderen van het lettertype van een webpagina gericht op de hoeveelheid tijd die een gebruiker gebruikt. Remedies kunnen mogelijk binair of constant zijn.
Verwarrende componenten: het is de 3e variabele bij het onderzoeken van een resultaat in en invloed op een romantische relatie.
Vaak , bestaan er verwarrende aspecten die de genezing net zo goed beïnvloeden als responsromantiek en causale schattingen voor hen verklaren. Het beheer van confounders wanneer remedies binair zijn, is zeer goed onderzocht, terwijl het niet hetzelfde is voor behandelingsopties die constant zijn. Amazon-wetenschappers hebben een nieuwe strategie bedacht om de effecten van therapieën die aan de gang zijn in te schatten.
Propensity-scores
Lopende oplossingen leiden tot oneindig veel haalbare resultaten per eenheid. In deze situatie is er iets dat wordt geïdentificeerd als de reactiecurve, wat een afbeelding is tussen de doorlopende invoer en de doorlopende uitvoer. Als er een confounder is, wordt het moeilijk om het oorzakelijk huwelijk tussen hen te bepalen. De conventionele manier om dit te verklaren is door middel van propensity score weging.
Echter, propensity scores kunnen soms aanzienlijk zijn, wat leidt tot onbalans en verkoopkansen tot onzekere gevolgtrekkingen. Er wordt entropie-balancering gebruikt die gewichten van dit soort selecteert waarvan het verschil tussen hen minimaal is (of de entropie is het grootst).
Conclusion-to-end-balancering
Het nieuwe algoritme is gericht op entropie-balancering en leert de gewichten om de causale gevolgtrekking te vergroten door end-to-close-optimalisatie. Het document toont de consistentie van de strategie aan. Ze hebben ook onderzoek gedaan naar de effecten van verkeerde specificatie in het systeem voor het genereren van kunstmatige feiten. d.w.z. het product convergeert gewoonlijk naar de fantastische schatting van de werkelijke respons, ongeacht een onnauwkeurige initiële variatie van willekeurige reacties.
Deze nieuwe techniek, vergeleken met de best presterende voorganger, heeft zijn betekent noodzakelijkerwijs een vierkante fout van 27% wanneer het huwelijk tussen de responsvariabele en interventie lineair is en met 38% wanneer het niet-lineair is.
Samenvattend: het onderzoeksteam heeft een nieuw algoritme ontworpen om de effecten te schatten van een consequent diverse remedie. Deze techniek werkt door gebruik te maken van ML, entropie-balancering, en propensity rating-weging.
Dit artikel is geschreven als een samenvattend artikel door Marktechpost-medewerkers die afhankelijk zijn van het studiedocument’Finish-to-Conclude Balancing voor causale continue Behandeling-invloedschatting‘. Alle kredietgeschiedenis voor deze verkenning gaat naar onderzoekers van deze baan. Bekijk de paper en referentiebericht. Vergeet niet dat je niet mag vergeten deel uit te maken van Onze ML Subreddit 
Prathvik is ML/AI Research material stagiair bij MarktechPost, hij is een derdejaars student aan IIT Kharagpur. Hij heeft een grote nieuwsgierigheid naar het ontdekken van apparaten en informatiewetenschap. Hij is enthousiast in het ontdekken van de toepassingen van in verschillende onderzoeksgebieden.
Beoordeel dit bericht
Delen is zorgzaam!
