#representation-learning

노트 4개

• CEVAE (Causal Effect Variational Autoencoder) CEVAE는 변분 오토인코더(VAE)로 잠재 교란변수(latent confounder)를 추론한 뒤, 그 잠재변수를 조건으로 인과 효과(causal effect)를 추정하는 방법이다. Louizos et al. (2017)이 제안했다.
• CFR (Counterfactual Regression) CFR은 IPM(Integral Probability Metric) 정규화로 처치군과 대조군의 표현(representation) 분포를 맞춰, 균형 잡힌 표현을 학습하는 딥러닝 방법이다.
• ESMM (Entire Space Multi-Task Model) ESMM은 CVR 학습의 표본 선택편향(sample selection bias)과 데이터 희소성(data sparsity)을 동시에 푸는 다중 작업 학습(multi-task learning) 모델이다. $\text{impression} \to \text{click} \to \text{conversion}$으로…
• Representation Learning Overview 표현 학습(representation learning)은 처치(treatment)와 독립적이면서도 결과 예측에 유용한 표현을 학습하는 방법이다.