Riesz Regression As Direct Density Ratio Estimation
将 Riesz 回归理解为直接密度比估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以平均处理效应等因果推断问题为背景，讨论其 Riesz 表示元和密度比估计之间的联系。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
将 Riesz 回归理解为直接密度比估计
- 研究问题
- 平均处理效应等因果推断问题中的 Riesz 回归，与直接密度比估计有什么关系，已有密度比理论能否迁移使用？
- 方法与思路
- 作者将 Riesz 表示元写成带符号的密度比，证明回归目标与最小二乘重要性拟合准则一致，并讨论相关理论和技术的迁移。
- 材料陈述的贡献
- 摘要称这一等价关系连接两类估计问题，使密度比估计的收敛率分析、Bregman 散度推广及灵活模型正则化技术可供使用。
- 阅读关注点
- 核对带符号密度比的测度定义、目标函数等价的适用范围，以及既有收敛率和正则化结果迁移时需要保留哪些条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实；摘要未给出具体收敛率或适用条件，等价关系不直接保证有限样本优势。
原文摘要
This study clarifies the relationship between Riesz regression [Chernozhukov et al., 2021] and density ratio estimation (DRE) in causal inference problems, such as average treatment effect estimation. We first show that the Riesz representer can be written as a signed density ratio and then demonstrate that the Riesz regression objective coincides with the least-squares importance fitting criterion [Kanamori et al., 2009]. Although Riesz regression applies to a broad class of representer estimation problems, this equivalence with DRE allows us to transfer existing DRE results, including convergence rate analyses, generalizations based on Bregman divergence minimization, and regularization techniques for flexible models such as neural networks.