会员服务
Analysis · Use Case · INFORMS · 稳健性 · 确切的 ·
2022 年 6 月 7 日
Confounder Analysis in Measuring Representation in Product Funnels
翻译：计量产品漏斗中代表比例的混乱分析
Jilei Yang,Wentao Su
Jilei Yang,Wentao Su
from arxiv, 9 pages, 1 figure

This paper discusses an application of Shapley values in the causal inference field, specifically on how to select the top confounder variables for coarsened exact matching method in a scalable way. We use a dataset from an observational experiment involving LinkedIn members as a use case to test its applicability, and show that Shapley values are highly informational and can be leveraged for its robust importance-ranking capability.


翻译：本文讨论了在因果推断字段中应用沙普利值的问题,特别是如何以可缩放的方式选择粗化精确匹配方法的顶部混淆变量。 我们用LinkedIn成员观察实验的数据集来测试其适用性,并表明沙普利值信息量很高,并且可以用其强大的重要性排序能力加以利用。
0
下载
关闭预览

相关内容

因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
专知会员服务
88+阅读 · 2020年2月12日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
【CIKM2019 Tutorial】Recent Developments of Deep Heterogeneous Information Network Analysis（深度异构信息网络分析的最新进展），附157页PDF免费下载
【CIKM2019 Tutorial】Recent Developments of Deep Heterogeneous Information Network Analysis（深度异构信息网络分析的最新进展），附157页PDF免费下载
专知会员服务
28+阅读 · 2019年11月3日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ATP13A2基因亚型Ala746Thr和Thr12met突变与新疆维吾尔族早发型和家族型帕金森病临床的相关研究
国家自然科学基金
0+阅读 · 2014年12月31日
超高维半参数回归模型的结构识别和变量选择问题研究
国家自然科学基金
0+阅读 · 2013年12月31日
Calderon问题和边界刚性问题
国家自然科学基金
0+阅读 · 2013年12月31日
采用pinball loss的MEE算法研究
国家自然科学基金
1+阅读 · 2013年12月31日
Kronheimer-Nakajima quiver 模空间与有理曲面
国家自然科学基金
1+阅读 · 2013年12月31日
TREM-1/DAP12/ NF-κB信号通路在6-姜烯酚抗动脉粥样硬化中的作用研究
国家自然科学基金
0+阅读 · 2012年12月31日
高维数据的假设检验
国家自然科学基金
0+阅读 · 2012年12月31日
CdTe/PbTe异质结二维电子气的电学特性研究
国家自然科学基金
0+阅读 · 2012年12月31日
Gax基因干预chemerin介导的血管周围脂肪细胞增殖分化的研究
国家自然科学基金
0+阅读 · 2011年12月31日
Legumain在乳腺癌骨转移和破骨损伤过程中的作用机制研究
国家自然科学基金
0+阅读 · 2009年12月31日
Moss' logic for ordered coalgebras
Arxiv
0+阅读 · 2022年7月25日
A Parallel Novelty Search Metaheuristic Applied to a Wildfire Prediction System
Arxiv
0+阅读 · 2022年7月24日
Alternative approaches for analysing repeated measures data that are missing not at random
Arxiv
0+阅读 · 2022年7月23日
The decline in specific power reduces wind power density and system efficiency
Arxiv
0+阅读 · 2022年7月22日
A Theoretical Framework for Inference and Learning in Predictive Coding Networks
Arxiv
0+阅读 · 2022年7月21日
Introduction to Online Convex Optimization
Arxiv
22+阅读 · 2021年12月19日
Recent Advances of Continual Learning in Computer Vision: An Overview
Recent Advances of Continual Learning in Computer Vision: An Overview
Arxiv
22+阅读 · 2021年9月23日
Directed Graph Embeddings in Pseudo-Riemannian Manifolds
Arxiv
12+阅读 · 2021年6月16日
Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future
Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future
Arxiv
36+阅读 · 2021年5月27日
Nonconvex Optimization Meets Low-Rank Matrix Factorization: An Overview
Nonconvex Optimization Meets Low-Rank Matrix Factorization: An Overview
Arxiv
10+阅读 · 2019年9月19日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Analysis
Use Case
INFORMS
稳健性
确切的
相关VIP内容
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
【新书】数字图像(影像)处理手第二版，2176pdf，Mathematical Methods in Imaging
专知会员服务
88+阅读 · 2020年2月12日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
【CIKM2019 Tutorial】Recent Developments of Deep Heterogeneous Information Network Analysis（深度异构信息网络分析的最新进展），附157页PDF免费下载
【CIKM2019 Tutorial】Recent Developments of Deep Heterogeneous Information Network Analysis（深度异构信息网络分析的最新进展），附157页PDF免费下载
专知会员服务
28+阅读 · 2019年11月3日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
热门VIP内容
相关资讯
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关论文
Moss' logic for ordered coalgebras
Arxiv
0+阅读 · 2022年7月25日
A Parallel Novelty Search Metaheuristic Applied to a Wildfire Prediction System
Arxiv
0+阅读 · 2022年7月24日
Alternative approaches for analysing repeated measures data that are missing not at random
Arxiv
0+阅读 · 2022年7月23日
The decline in specific power reduces wind power density and system efficiency
Arxiv
0+阅读 · 2022年7月22日
A Theoretical Framework for Inference and Learning in Predictive Coding Networks
Arxiv
0+阅读 · 2022年7月21日
Introduction to Online Convex Optimization
Arxiv
22+阅读 · 2021年12月19日
Recent Advances of Continual Learning in Computer Vision: An Overview
Recent Advances of Continual Learning in Computer Vision: An Overview
Arxiv
22+阅读 · 2021年9月23日
Directed Graph Embeddings in Pseudo-Riemannian Manifolds
Arxiv
12+阅读 · 2021年6月16日
Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future
Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future
Arxiv
36+阅读 · 2021年5月27日
Nonconvex Optimization Meets Low-Rank Matrix Factorization: An Overview
Nonconvex Optimization Meets Low-Rank Matrix Factorization: An Overview
Arxiv
10+阅读 · 2019年9月19日
相关基金
ATP13A2基因亚型Ala746Thr和Thr12met突变与新疆维吾尔族早发型和家族型帕金森病临床的相关研究
国家自然科学基金
0+阅读 · 2014年12月31日
超高维半参数回归模型的结构识别和变量选择问题研究
国家自然科学基金
0+阅读 · 2013年12月31日
Calderon问题和边界刚性问题
国家自然科学基金
0+阅读 · 2013年12月31日
采用pinball loss的MEE算法研究
国家自然科学基金
1+阅读 · 2013年12月31日
Kronheimer-Nakajima quiver 模空间与有理曲面
国家自然科学基金
1+阅读 · 2013年12月31日
TREM-1/DAP12/ NF-κB信号通路在6-姜烯酚抗动脉粥样硬化中的作用研究
国家自然科学基金
0+阅读 · 2012年12月31日
高维数据的假设检验
国家自然科学基金
0+阅读 · 2012年12月31日
CdTe/PbTe异质结二维电子气的电学特性研究
国家自然科学基金
0+阅读 · 2012年12月31日
Gax基因干预chemerin介导的血管周围脂肪细胞增殖分化的研究
国家自然科学基金
0+阅读 · 2011年12月31日
Legumain在乳腺癌骨转移和破骨损伤过程中的作用机制研究
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员
Top