Глоссарий ИИ
Полный словарь искусственного интеллекта
Inférence causale robuste
Ensemble de méthodes statistiques visant à estimer les relations causales tout en étant résistantes aux violations d'hypothèses et aux imperfections des données.
Biais de variable omise résilient
Approche permettant de quantifier et corriger l'impact des variables confondantes non observées sur l'estimation des effets causaux.
Test de sensibilité causal
Méthode analytique évaluant comment les estimations causales varient sous différents scénarios de violations d'hypothèses ou de spécifications erronées.
Causal bounds
Technique établissant des bornes supérieures et inférieures sur les effets causaux lorsque certaines hypothèses d'identification ne peuvent être vérifiées.
Inférence causale avec données manquantes
Méthodologies combinant imputation et techniques causales pour estimer les effets de traitement en présence de valeurs manquantes.
Propensity score robuste
Extension du score de propension intégrant des techniques de régularisation et validation croisée pour réduire la dépendance à la spécification correcte du modèle.
Double Machine Learning robuste
Approche semi-paramétrique utilisant l'apprentissage automatique pour contrôler les confondances tout en garantissant la validité asymptotique des inférences causales.
Causalité par instrument faible
Méthodes d'identification causale adaptées aux cas où les instruments ne présentent qu'une faible corrélation avec le traitement.
Вывод при нарушении предположений
Стратегии каузального оценивания, разработанные для работы в случаях нарушения классических предположений, таких как исключительность или монотонность.
Устойчивый непараметрический каузальный анализ
Методы каузального оценивания, не основанные на параметрических предположениях о функциональной форме взаимосвязей между переменными.
Каузальность с ошибками измерения
Техники каузального оценивания, исправляющие смещение, вызванное неточностью в измерении переменных обработки или результата.
Методы граничной каузальности
Подход, идентифицирующий каузальные эффекты путем анализа поведения на границах распределений данных, а не их глобальных свойств.
Каузальный вывод с зашумленными данными
Набор статистических методов, позволяющих оценивать каузальные отношения несмотря на наличие случайного или систематического шума в наблюдениях.
Адаптивная каузальность
Методы каузального вывода, которые автоматически настраивают свою сложность в зависимости от качества и количества доступных данных.
Тесты спецификации каузальной модели
Диагностические процедуры, оценивающие достоверность структурных предположений, лежащих в основе идентифицированной каузальной модели.
Устойчивая полупараметрическая каузальность
Подход, сочетающий минимальные параметрические предположения с непараметрической гибкостью для обеспечения устойчивости и эффективности в каузальном оценивании.
Вывод с ненаблюдаемой гетерогенностью
Методы оценки гетерогенных причинно-следственных эффектов при наличии ненаблюдаемых индивидуальных характеристик, влияющих на реакцию на лечение.
Причинность через инвариантность
Принцип каузальной идентификации, основанный на поиске отношений, остающихся стабильными в различных средах или экспериментальных условиях.
Робастная квантильная причинность
Расширение каузального вывода на анализ эффектов в различных частях распределения, устойчивое к выбросам и нелинейностям.
Робастная байесовская причинность
Байесовский подход, включающий информативные априорные распределения и механизмы перекрестной проверки для обеспечения робастности каузальных выводов.