人工智能学院黄强同学的论文被CCF-A类会议ICML 2024会议接收。ICML，全称International Conference on Machine Learning，是机器学习与人工智能领域的CCF-A类国际顶级学术会议，是公认的机器学习和人工智能领域最具影响力的国际会议之一。该会议每年举办一次，由国际机器学习协会（International Machine Learning Society）主办。
论文题目：An Empirical Examination of Balancing Strategy for Counterfactual Estimation on Time Series
第一作者：黄强
收录会议：ICML’2024（CCF A）
指导教师：常毅教授
论文概述：根据观测数据结果进行反事实估计是医疗保健和金融等众多应用领域的一项重要工作，其主要挑战在于减少治疗偏差。旨在减少不同治疗组之间协变量差异的平衡策略是一种通用的解决方案。然而，就时间序列数据而言，平衡策略的有效性仍是一个悬而未决的问题，对平衡策略的稳健性和适用性仍缺乏透彻的分析。本文重新审视了时间序列数据设置中的反事实估计，简要概述了平衡策略的最新进展，并从理论和实证角度剖析了平衡策略对反事实估计的影响。更重要的是，我们在时间序列设置下的反事实估计领域对平衡策略的有效性进行了严格的实证检验，揭示了平衡策略在时间序列数据的一些反直觉现象，并剖析了其原因。我们的研究结果对研究人员和从业人员具有重要意义，促使他们重新评估在时间序列分析因果推断中的平衡策略使用。
