因果推断深度学习工具箱 - CounterFactual Regression with Importance Sampling Weights
文章名称CounterFactualRegressionwithImportanceSamplingWeights核心要点文章主要针对binarytreatment的场景,能够用来估计CATE(当然也可以估计ATE)。作者基于CFR[1],提出利用上下文感知的重要性采样来取代CFR的固定权重,来平衡selectionbias。相比于BNN和CFR利用频率统计得到的样本权重,文章提出的方法能够实现s