要約
観察データから個体レベルの治療効果（ITE）を推定することは、因果関係機械学習において挑戦的かつ重要な領域であり、多様なミッションクリティカルな応用で一般的に考慮されています。本論文では、ITEの推定に使用するより信頼性の高い表現を見つけるための情報理論的なアプローチを提案します。情報ボトルネック（Information Bottleneck: IB）原理を利用することで、表現の簡潔さと予測力のトレードオフを解決します。拡張されたグラフィカルモデルを用いた因果情報ボトルネックの導入により、学習した表現と治療タイプとの独立性を促進します。また、ITEを半教師あり学習フレームワークの観点から理解することによって、より信頼性の高い表現を確保するために追加の正則化項も導入しています。実験結果は、本モデルが最先端の成果を達成し、不確実性情報を含む実世界データセット上でより信頼性の高い予測性能を示していることを示しています。