简介：虽然从观察数据估计离散干预的效果的问题得到了很大的关注，但在设置连续值的干预，如与剂量参数相关的治疗方面，现有工作相对较少。在本文中，我们使用生成式对抗网络(GANs)框架来解决这个问题。我们的模型SCIGAN是灵活的，能够同时估计几种不同的连续干预的反事实结果。核心思想是使用一个显著改进的GAN模型来学习生成反事实的结果，然后可以用来学习一个推理模型，使用标准监督方法，能够估计这些反事实的一个新样本。为了解决由离散干预转向连续干预所带来的挑战，我们为我们的判别器提出了一个新颖的架构——我们构建了一个分层判别器，它利用了连续干预设置的结构。此外，我们提供了理论结果来支持我们使用GAN框架和分层判别器。在实验部分，我们介绍了一种用于连续干预设置的新的半模拟数据产生机制，并显示出了本方法对于现有基准模型的提升。

论文链接：https://arxiv.org/pdf/2002.12326.pdf
推荐理由：本文使用GAN来进行连续干预值效果的估计，具有较强的创新性与实际意义。

内容中包含的图片若涉及版权问题，请及时与我们联系删除