通用因果评估引擎:用于实证评估因果推理模型的API
Alexander Lin、Amil Merchant、Suproteem K.Sarkar、Alexander D'Mour
机器学习研究进展,2019年下午104:50-58。
摘要
预测机器学习成功的一个主要驱动因素是“通用任务框架”,在该框架中,社区范围内的基准被共享,以评估新算法。然而,这种模式很难在因果学习任务中实现,因为这些任务中的基本事实通常是不可观察的。相反,因果推理方法通常在合成或半合成数据集上进行评估,这些数据集包含关于基础数据生成过程的特殊假设。这些评估通常与新的因果推理方法一起提出,因此,许多方法都是在不可比较的基准上进行评估的。为了解决这个问题,我们建立了一个通用因果推理模型评估的API,目的是开发一个平台,让研究人员在明确知道治疗方法的情况下部署和评估新的模型类。该API为其每个组件使用一个通用接口,并允许评估和保存新的方法和数据集,以供将来进行基准测试。
引用本文
相关材料