反実仮想

概要

• 現実に起こり得なかったことを(機械学習)を用いてシミュレーションする
• 単純に\(\hat{y}\)を求めただけでは特徴量の共変などからバイアスがかかるのでバイアスを解除する必要がある
  • このテクニックが傾向スコアという割当確率を求めて、その値を利用することでバイアスを解除する
• 反実仮想での効果量は条件付き平均治療効果 (CATE)と呼ばれる

代表的な反実仮想を用いた手法

• /DR推定量/
• Meta-Learner系のX-Learner
  • 概要
    • 介入群、非介入群それぞれのデータでモデルを作成し、その反実仮想を計算する
    • 反実仮想のデータを傾向スコアを用いてバイアスを取り除く
  • 参考
    • 反実仮想機械学習(CFML)を用いて、バンダイナムコグループのゲームとライブ事業の横断分析に成功した話/Wantedly
• S-Learner
  • 概要
    • 一つのモデルで特徴量を変更してその差分を取ることで反実仮想を計算する
• T-Learner
  • 概要
    • 介入・非介入の2つのモデルに分解し、それぞれの特徴量を揃えてその差で反実仮想を計算する

反実仮想がやりやすいデータ構造

• 1target 1record(record by record)になっているデータだと、傾向スコアを求めやすい

参考

• 21 - Meta Learners/Causal Inference for the Brave and True
• 【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML）