Heterogeneous treatment effect based on random forest

par Bérénice-Alexia Jocteur (ICJ)

vendredi 9 juin 2023, 09:00 → 10:30 Europe/Paris

Salle 112 (Bâtiment Braconnier (la doua))

L'estimation des effets causaux est demandée pour des estimations d'impacts de scénarios alternatifs tels que l'application de réformes politiques, l'introduction de nouveaux traitements médicaux ou l'utilisation d'une nouvelle stratégie de pricing par une entreprise. Nous proposons une nouvelle approche non paramétrique pour estimer l'effet d'un traitement hétérogène basée sur les forêts aléatoires, c'est une alternatives aux forêts causales déjà existantes. Dans le cadre du modèle causal de Neyman-Rubin avec absence de facteurs confondants nous montrons la consistance presque-sûre de l'estimateur HTERF. Nous présentons également un résultat d'interprétabilité. Une implémentation CausalForest pour Julia est disponible sur le répertoire général de Julia.

Rejoindre la réunion WEBEX à partir du lien de la réunion
https://univ-lyon1.webex.com/univ-lyon1/j.php?MTID=mf3bb9e92b2aebdf933c82606c523ab33
 

Rejoindre la réunion WEBEX par le numéro de la réunion
Numéro : 2734 848 6865    Mot de passe : RSL9juin