社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

拿下ICLR!因果推断+机器学习双热点结合,新思路亮点太多

AI算法科研paper • 3 月前 • 324 次点击  

关注下方【AI算法科研paper】,点亮“星标⭐”,创新idea第一时间推送

论目前公认的低内卷、高上限、易出高分成果的优质方向,就不得不提因果推断与机器学习的交叉融合。不同于传统深度学习的工程性微调,这方向的创新属于方法论层面的革新,基本和研究增量小、创新性薄弱等不沾边,不管是用于硕士小论文、毕业课题,还是冲顶会顶刊,适配度都极高。

为了帮大家快速踩中赛道红利,本文系统整理了11篇因果推断+机器学习前沿论文+代码,覆盖因果大模型等主流热点,也包含ICLR、KDD等顶会工作,可帮助大家直接对标高分研究范式,快速找到最适合的选题、高效产出成果。

扫码添加小享,回复“因果ML”

免费获取全部论文+开源代码

Distilling heterogeneous treatment effects: Stable subgroup estimation in causal inference

方法:论文提出了一种因果蒸馏树(CDT)方法,将机器学习与因果推断结合。它先用机器学习模型估计个体处理效应,再通过决策树生成可解释的子群,兼具预测性能和可解释性。

创新点:

  • 提出因果蒸馏树(CDT):结合机器学习和决策树,估计可解释的异质性处理效应子群。
  • 提供理论保证:证明CDT能一致恢复最优子群,并提出基于稳定性的模型选择方法。
  • 实际应用验证:在艾滋病临床试验中,CDT优于现有方法,能准确识别临床相关子群。

研究价值:提出两阶段因果蒸馏树CDT,融合黑盒元学习精准CATE估计与决策树可解释分组优势,配套Jaccard SSI稳定筛选指标与分组一致性理论,解决传统因果树不稳定、黑盒模型无直观分组的缺陷,仿真与HIV临床试验均验证其能产出更稳定、贴合业务的异质性干预子群。

Comparative analysis of correlation and causality inference in water quality problems with emphasis on TDS Karkheh River in Iran

方法:论文利用机器学习和因果推断方法,分析伊朗卡赫克河50年的水质数据,通过“后门线性回归”模型,揭示了镁、钠、氯等水质参数对总溶解固体(TDS)的因果影响,为水质管理提供了新思路。

创新点:

  • 首次引入因果推断模型(如“回门线性回归”)用于分析水质变量对总溶解固体(TDS)的因果效应。
  • 融合机器学习算法与因果推断技术,构建了一个新颖的框架,从单纯的预测转向因果效应分析。
  • 首次通过因果推断模型深入挖掘了Karkheh河流中水质变量的因果效应,为半干旱与干旱地区的水质管理提供了科学参考。

研究价值:以伊朗卡尔赫河50年水质数据为案例,结合后门线性回归因果推断与机器学习对比区分相关和因果关系,识别TDS真实驱动离子,为干旱区河流低成本水质管控、预警体系搭建提供因果分析新思路。

......

更多论文请扫码添加小享,获取合集~


相关研究方向文章推荐
RECOMMEND
图片
2026年因果推断与多目标优化结合的前沿思路
因果推断的未来,可能真在往这儿走
Nature,再现小样本机器学习封神思路!
如果觉得有用,请帮我点个‘推荐❤️’让更多人看到

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/199409