标题 |
ACE: Adaptively Similarity-Preserved Representation Learning for Individual Treatment Effect Estimation
ACE:用于个体治疗效果估计的自适应相似性保持表示学习
相关领域
计算机科学
人工智能
反事实条件
特征学习
选择(遗传算法)
机器学习
估计
过程(计算)
缺少数据
特征(语言学)
特征选择
选择偏差
相似性(几何)
代表(政治)
模式识别(心理学)
数据挖掘
数学
统计
反事实思维
哲学
语言学
管理
认识论
政治
政治学
法学
经济
图像(数学)
操作系统
|
网址 | |
DOI | |
其它 |
期刊:International Conference on Data Mining 作者:Liuyi Yao; Sheng Li; Yaliang Li; Mengdi Huai; Jing Gao; et al 出版日期:2019-11-01 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|