【独立研究者I-Sheng Yang论文】因果机器学习损失函数（A Loss-Function for Causal Machine-Learning）

题目： A Loss-Function for Causal Machine-Learning

摘要：

因果机器学习是关于预测处理的净效果(真实提升)。根据治疗组和对照组的数据，它类似于一个标准的监督学习问题。不幸的是，由于数据中缺少点对点的真值，所以没有类似定义良好的丢失函数。由于这种损失函数的缺失，许多现代机器学习的进步并不是直接适用的。我们提出了一种定义损失函数的新方法，它等于标准回归问题中的均方误差。我们的损失函数是普遍适用的，因此提供了一个通用的标准来评估任何模型/策略的质量，预测真实上升。我们证明，尽管它的定义很新颖，人们仍然可以直接对这个损失函数进行梯度下降来找到最合适的。这导致了一种新的方法来训练任何基于参数的模型，例如深度神经网络，来解决因果机器学习问题，而不需要通过元学习者策略。