寫在前面

這一部分主要介紹的是因果推斷方向的基礎(chǔ)方法，后面會(huì)對(duì)這個(gè)方向前沿的論文和方向做一些基礎(chǔ)介紹，這些論文和方法有些我進(jìn)行了精讀或者實(shí)現(xiàn)。

有些只是粗略地了解了大概的主旨，但是會(huì)力求講解得盡量清楚明白，這里的介紹不分先后，只是對(duì)不同方法進(jìn)行介紹，不同領(lǐng)域在早期和近期都有相關(guān)新論文出現(xiàn)，有任何問題和建議歡迎評(píng)論和私聊。

meta learning

這個(gè)方向使用基礎(chǔ)的機(jī)器學(xué)習(xí)方法去首先Estimate the conditional mean outcome E［Y|X = x］（CATE），然后 Derive the CATE estimator based on the difference of results obtained from step 1，我們常見的uplift model里面one model和two model方法其實(shí)也是屬于meta learning，在這個(gè)領(lǐng)域one model方法是所謂的S-learner，two model方法是所謂的T-learner

T-learner & S-learner

這里不多贅述這兩種方法，簡單來講，T-learner就是用分別的兩個(gè)base learner去模擬干預(yù)組的outcome和非干預(yù)組的outcome，優(yōu)點(diǎn)在于能夠很好地區(qū)分干預(yù)組和非干預(yù)組，缺點(diǎn)則在于容易出現(xiàn)兩個(gè)模型的Bias方向不一致，形成誤差累積。

使用時(shí)需要針對(duì)兩個(gè)模型打分分布做一定校準(zhǔn)，S-learner是將treatment作為特征，干預(yù)組和非干預(yù)組一起訓(xùn)練，解決了bias不一致的問題，但是如果本身X的high dimension可能會(huì)導(dǎo)致treatment丟失效果。而且這兩種方法更偏向于naive的方法，很多其他的問題比如干預(yù)組和非干預(yù)組樣本不均衡的問題、selection bias的問題都未解決。

2. X-learner

在這兩種方法的基礎(chǔ)之上還有《Metalearners for estimating heterogeneous treatment effects using machine learning pnas.org/content/116/10》這篇論文中介紹的X-learner

首先跟T-learner一樣，用base learner去預(yù)估干預(yù)組和非干預(yù)組的response

然后定義

這里D的定義為response的預(yù)估值和實(shí)際值的差值，然后我們用一個(gè)estimator去預(yù)估這里的D，最終我們的CATE就是這兩個(gè)預(yù)估出來的τ的加權(quán)和。

論文中用圖來解釋了這么做的原因，如下：

如上圖所示，如果我們的干預(yù)組和非干預(yù)組樣本數(shù)量不均衡，如圖A的藍(lán)色，那么在預(yù)估藍(lán)色的base learner時(shí)會(huì)出現(xiàn)無法擬合到中間上凸部分的情況，最終得到的treatment effect就是在中間部分下凸的結(jié)果。

但是如果我們使用了imputed treatment effect，會(huì)得到C中虛線的均衡結(jié)果。

論文中還提到了自己的實(shí)驗(yàn)，實(shí)驗(yàn)效果總結(jié)來看，如果treat和不treat的數(shù)據(jù)量差別比較大的時(shí)候，X learner效果特別好，但是如果CATE接近0的時(shí)候，X learner效果不如S learner，比T learner好，make sense的。

3. 總結(jié)性論文

meta learning的方法有非常多，這里只是提到較為經(jīng)典的三種，其他meta learning的方法比如R-learner有點(diǎn)老了，這里不再介紹，在《Transfer Learning for Estimating Causal Effects using Neural Networks arxiv.org/abs/1808.0780》中比較有意思的是提到了很多方法的方案。

包括傳統(tǒng)藝能S-learner，T-learner，X-learner和比如warm start T-learner、joint training等等，有興趣可以看看。

representation learning

表示學(xué)習(xí)對(duì)于因果推斷其實(shí)算是非常自然的想法，本身由于selection bias的存在，導(dǎo)致treament group和control group的人群自帶偏差，而類似S-learner的方法又會(huì)使得treat的作用丟失，那么將人群embedding中并盡可能消除bias和保存treat的作用就非常重要了。

BNN & BLR

比較經(jīng)典的論文有BNN、BLR《Learning Representations for Counterfactual Inference arxiv.org/abs/1605.0366》，整體的算法如圖：

其中B指的是loss：

loss包含了三部分：事實(shí)數(shù)據(jù)的誤差+和與i最近的j的反事實(shí)數(shù)據(jù)的誤差和事實(shí)數(shù)據(jù)+反事實(shí)數(shù)據(jù)的分布差異，那我們是怎么學(xué)習(xí)φ的呢？

一個(gè)方法是對(duì)于特征進(jìn)行選擇BLR，在embedding層只有一層，更加白盒，相當(dāng)于特征篩選，只保留在treatment group和control group差距較小的特征。

另一個(gè)方法是深度的方法BNN，embedding后整體的loss加入分布的差異。

2. TARNet

與這篇論文很相似的論文包括TARNet《Estimating individual treatment effect:generalization bounds and algorithms arxiv.org/abs/1606.0397》，這篇文章整體的思路跟BNN那篇有點(diǎn)像，說到了BNN那篇的問題。

這里面講了BLR的兩個(gè)缺點(diǎn)，首先它需要一個(gè)兩步的優(yōu)化（優(yōu)化φ和優(yōu)化y），其次如果如果φ的維度很高的話，t的重要性會(huì)被忽略掉，挺有道理的，但感覺跟那篇唯一的區(qū)別就是解決了一下treat和control組的sample數(shù)量不均衡的問題，所以火速看了一下就過了

loss的計(jì)算為：

可以看出是在上篇論文的基礎(chǔ)上增加了ω的加權(quán)，去除了樣本不均衡的問題。整體的算法步驟如下：

把兩步走的優(yōu)化變?yōu)榱送瑫r(shí)優(yōu)化，雖然優(yōu)化看起來比較微小，但如果大家實(shí)際跑一下IHDP數(shù)據(jù)集的話會(huì)發(fā)現(xiàn)提升還是挺明顯的。

3. CFR

還有一篇論文是在TARNet之上進(jìn)行優(yōu)化的，《Counter Factual Regression with Importance Sampling Weights https://www.ijcai.org/Proceedings/2019/0815.pdf》而本文的改進(jìn)點(diǎn)也在ω上，不除以p（t），而是用一個(gè)網(wǎng)絡(luò)學(xué)習(xí)了p（t|x），除以p（t|x）

作者將其簡化為

可以用任何的網(wǎng)絡(luò)去擬合第二項(xiàng)，整體的過程為：

4. ACE

還有一篇論文講到了另一個(gè)角度《Adaptively Similarity-preserved Representation Learning for Individual Treatment Effect Estimation cs.virginia.edu/~mh6ck/》

這篇主要的思想希望在representation之后能夠盡可能地保留local similarity，用一個(gè)toy example來說如下：

整體的框架如圖：fprop（x）是提前訓(xùn)練好的傾向性得分function

整體希望representation之前用x計(jì)算出傾向性得分相近的兩個(gè)個(gè)體，representation之后，representation之間的距離還是相近，把最重要的部分貼下來如下：

其中Q是Ri和Rj的聯(lián)合概率（R是representation），P是xi和xj的聯(lián)合概率，similarity preserving loss就是Q和P的KL散度，其中S的函數(shù)如下：

整體的loss包括正常的imbalance loss：

Factual y的分類或者回歸loss：

還有similarity preserving loss，總的loss function就是：

5. SITE

還有一篇比較類似思想的論文是SITE《Representation Learning for Treatment Effect Estimation from Observational Data papers.nips.cc/paper/75》但這篇論文我沒有非常認(rèn)真地讀，來自NIPS，也是非常經(jīng)典的一篇，說的主要是普通的representation learning的方法考慮了全局的分布信息。

但是沒有考慮用戶間的局部相似性，然后KNN的方法考慮了局部相似性，但是忽略了全局信息，這里面用了三元triplet pairs的方法選擇三個(gè)對(duì)，用的是傾向性得分，傾向性得分在中間的一對(duì)，傾向性得分接近1的treat unit，傾向性得分接近0的control group，有興趣的同學(xué)可以自己看一下。

編輯：jq