不規則な履歴に基づく因果推論の学習手法

• 長期的な因果研究では不規則なデータが多く記録される。
• 本研究では、これらのデータを活用する新しい学習手法を提案する。
• シミュレーション結果から、従来の手法よりも高次元の機能混乱に強いことが示されている。

長期的な因果研究では、測定が不規則なデータが多く存在します。本論文では、これらのデータを効果的に扱うための新しい手法「Doubly Robust Functional Representation Learning」を提案します。シミュレーションにより、高次元の機能混乱や情報のある測定において優れた性能を示すことが確認されました。特に、医療データの分析に興味がある研究者にとって有用な内容です。

医療データや因果推論に興味がある研究者に向いています。