简介：反事实预测需要理解所谓的治疗和结果变量之间的因果关系。本文提供了一种深度学习方法的方法，以在存在工具变量(IV)的情况下准确地描述这种关系——有条件地独立于结果的治疗随机化来源。我们的IV规范分解为两个可以用深度神经网络解决的预测任务: 第一级网络用于治疗预测，第二阶段网络的损失函数涉及对条件治疗分布的集成。Deep IV框架允许我们利用现成的有监督学习技术，通过调整损失函数来估计因果效应。实验表明，该方法的性能优于现有的机器学习方法。

链接：http://arxiv.org/abs/1612.09596
推荐理由：本文在深度学习的框架下提出了学习并使用IV变量的方法，具有很强的启发意义，值得参考。

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