反事实推断新突破：CV-CCI融合混杂数据，预测集效率超SOTA！
Confounding-Valid Conformal Inference for Counterfactual KPIs in Wireless Networks
📖 AI 总结
该研究提出了一种名为CV-CCI的统计推断方法，用于解决无线网络中反事实关键绩效指标（KPI）分析中的隐藏混杂问题。网络运营商常依赖日志遥测数据回答“如果采用不同控制动作会怎样”的问题，但控制器未记录的变量可能导致统计推断失效。虽然随机化遥测数据能规避此问题，但其采集成本高、数量有限，单独使用会产生不具信息量的预测集。CV-CCI通过结合大量可能混杂的观测数据与少量随机化数据，在保留有限样本覆盖保证的同时提升推断效率。实验基于两个代表性无线接入网控制任务，结果表明该方法在存在隐藏混杂时依然有效，且生成的预测集比现有最先进的混杂有效基线方法更为高效。
🔑 关键词速览
| Conformal counterfactual inference | 一种结合共形预测和反事实推理的方法，用于在给定数据下对未观察到的干预结果进行不确定性量化。 |
| Hidden confounding | 指影响处理分配和结果但未被观测到的变量，会导致因果推断结果产生偏差。 |
| General Synthetic-Powered Inference (GESPI) | 一种利用合成数据增强推断的原理，通过结合观测数据和随机化数据来提高统计效率并保持有效性。 |
| Confounding-Valid Counterfactual Conformal Inference (CV-CCI) | 本文提出的方法，在存在隐藏混杂时仍能提供有效的共形预测集，结合观测和随机化数据。 |
| Key performance indicators (KPIs) | 用于衡量网络性能的关键指标，如吞吐量、延迟等。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅