深度学习中的因果推断

背景 本周主要阅读了DataFun中的一篇分享，讲到《基于观测数据的因果推断技术》。这里整理了其中，使用观测数据进行因果纠偏的方法如下。 方法一 基于RCT数据和观测性样本的重采样算法 RCT融合观测

DCMT: A Direct Entire-Space Causal Multi-Task Framework for Post-Click Conversion Estimation 简述 摘要 引

由于反事实的缺失及选择偏差，估计ITE是因果推断中具有挑战性的问题。已存在的ITE估计方法主要聚焦于平衡空白组和实验组的分布，而忽略了局部相似信息，而该相似信息在ITE估计中能提供有意义的限制。在本篇

Causual Inference in DNN(2)Estimating Individual Treatment Effect Generalization Bounds and Algorith

这个论文集合用来整理因果推断在深度学习中的使用。 第一篇论文叫 Learning Representations for Counterfactual Inference