(updated in 20210828)
文章名称
Deep Counterfactual Networks with Propensity-Dropout
核心要点
作者把causal inference视作multitask learning的问题，并通过dropout的方式来进行正则化，减少selection bias带来的影响。这种正则化通过估计每一个样本的propensity score，来调整网络的复杂度。本质上类似于propensity weighting的方法，只是更具有神经网络的风格。调整网络复杂度，会在propensity score较低的时候减少过拟合的风险，实现更好的泛化。
文章主要关注CATE（ITE），并且在binary treatment的场景下展开讨论。但是，可以模仿其他的multiple head的神经网络方法，迁移到multiple treatment的场景下。通过，Generalized Propensity Score，可以泛化文中提出的propensity score dropout。
方法细节
问题引入
文章建立在potential outcome框架下，并且需要满足unconfoundness的假设，即。为了需要估计因果效应
，比较老的方法采用直接建模的方式，比如
，也就是我们常说的single learner（如果两个
带有下表就是T-learner）。这种建模方式的弊端是高维的特征
会淹没低纬度的干预
。
如果采用T-learner，不会存在干预被淹没的问题，也比较灵活，却引入了模型误差带来的因果效应估计的偏差，并且牺牲了统计效率，不能够充分利用样本。
具体做法
为了同时确保灵活性和样本效率，作者把因果推断问题看做多任务学习的问题，不同的counterfactual估计是不同的、却相关的任务。不同的干预意味着不同的任务，任务id和treatment id一一对应。如下图所示，左侧的potential outcome network具有多层共享网络来提升样本效率，因为通过不同treatment的数据共同训练了这些层，提取了共同的因素。而后续单独的输出网络，有保证了灵活性和独立性。相当于在T-learner和S-learner之间做了一个折中，也是很多神经网络处理不同treatment的惯常方式。
但是，这样的网络并不能纠正由混淆变量带来的偏差。类似IPW和其他传统的因果推断方法，作者也利用propensity score进行样本权重调节。只不过，调节不是发生在loss的权重上，而是改变网络的复杂程度。在propensity score比较极端（非常接近0或者1）的情况下，利用dropout，使得网络变得简单。在propensity score比较接近0.5的情况下，保持原来网络的复杂程度，这样可以充分利用，在不同干预下，特征分布重合度（overlap）较高的样本。这种权重调节，其实是减少了对具有极端propensity score样本的学习充分程度，是另一种意义上的降权。这样的降权，可以减少对selection bias的过度拟合，提升网络预测在不同counterfactual估计上的泛化能力。
作者定义
除此之外，通过Monte Carlo Dropout可以得到样本的置信度的点估计，估计步骤如下图。图中，
整个网络是交替进行训练的，在训练的过程中，share网络会在每一个epoch中被充分训练，而不同干预的输出网络是每隔一个epoch单独训练的，每一个epoch都会采用propensity dropout。整个流程如下图所示，单数epoch左侧的outcome网络没有被训练，而双数epoch时右侧将不会被训练。
总的来说，propensity dropout的方法是很有创意的结合了神经网络的dropout和propensity score weighting，同时延续了当时multitask learning的counterfactual估计的主流思路。
代码实现
文中训练的伪代码如下图所示，
具体的pytorch实现可以参见，
https://github.com/Shantanu48114860/Deep-Counterfactual-Networks-with-Propensity-Dropout
首先是DCN网络（作者称没有propensity dropout的网络为deep counterfactual network），可以看到是简单的FFN，不过有两个独立的输出和一些共享层（代码里是2层）。
DCN的训练是交替训练的，如下图所示，在偶数epoch的时候，训练potential outcome
之后是propensity score网络，可以看到也是简单的2层FFN，当然可以根据数据采用更复杂的网络结构。
Propensity Score网路的训练是在所有数据集上进行的，训练方法如下图所示。本质就是利用观测样本中treatment的分布，去估计treatment assignment。
最后来看一下Propensity Dropout的部分。可以看到，首先利用得到的Propensity Score，计算信息熵，然后按照公式得到dropout的概率值，进而得到dropout mask向量。
Propensity Dropout过程中用到的一些工具函数，也都比较简单直接。
值得注意的是，训练时候的Propensity Score是数据集中处理得到的，实际训练中，可以先通过训练好的propensity score网络得到估计的每个样本的propensity score。
心得体会
利用propensity score在样本粒度调整模型复杂度
个人理解propensity score dropout，是作者把selection bias对counterfactual估计的影响，看做是某种过拟合的产物，是一种保守的反事实估计策略。为了减少混淆变量的影响，放弃了对观测outcome的充分拟合。
Doubly-Robust
虽然作者说同时利用了利用了outcome和propensity score的信息，所以是doubly-robust的。但是，个人认为没有最多只能说是隐式的进行了propensity score weighting，但是并没有进行显示的doubly-robust的建模。
文章引用
[1] https://github.com/Shantanu48114860/Deep-Counterfactual-Networks-with-Propensity-Dropout
