論文の概要: Full Law Identification In Graphical Models Of Missing Data: Completeness Results

• arxiv url: http://arxiv.org/abs/2004.04872v3
• Date: Mon, 31 Aug 2020 14:28:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 21:30:29.913313
• Title: Full Law Identification In Graphical Models Of Missing Data: Completeness Results
• Title（参考訳）: 欠落データのグラフモデルにおける完全法則同定:完全性結果
• Authors: Razieh Nabi, Rohit Bhattacharya, Ilya Shpitser
• Abstract要約: この研究分野における最初の完全性結果を提供する。 次に、欠落したデータと未測定のコンファウンディングの両方の存在によって生じる可能性のある問題に対処する。
• 参考スコア（独自算出の注目度）: 13.299431908881425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Missing data has the potential to affect analyses conducted in all fields of scientific study, including healthcare, economics, and the social sciences. Several approaches to unbiased inference in the presence of non-ignorable missingness rely on the specification of the target distribution and its missingness process as a probability distribution that factorizes with respect to a directed acyclic graph. In this paper, we address the longstanding question of the characterization of models that are identifiable within this class of missing data distributions. We provide the first completeness result in this field of study -- necessary and sufficient graphical conditions under which, the full data distribution can be recovered from the observed data distribution. We then simultaneously address issues that may arise due to the presence of both missing data and unmeasured confounding, by extending these graphical conditions and proofs of completeness, to settings where some variables are not just missing, but completely unobserved.
• Abstract（参考訳）: データの欠如は、医療、経済学、社会科学など、科学研究のあらゆる分野における分析に影響を与える可能性がある。 非無視的欠如の存在下での偏りのない推論に対するいくつかのアプローチは、対象分布の仕様とその欠如過程を有向非巡回グラフに対して因果する確率分布として依存する。 本稿では,この欠落したデータ分布のクラスで識別可能なモデルのキャラクタリゼーションに関する長年にわたる疑問に対処する。 この分野における最初の完全性 -- 観測されたデータ分布から完全なデータ分布を回復するために必要な、十分なグラフィカルな条件 -- を提供する。 そして、これらのグラフィカルな条件と完全性の証明を、単に欠落しているだけでなく、完全に観察されていない設定に拡張することで、欠落したデータと未測定のコンファウンディングの両方の存在によって生じる可能性のある問題に同時に対処する。

関連論文リスト

• Testing Dependency of Weighted Random Graphs [4.0554893636822]
  本研究では,2つのランダムグラフ間のエッジ依存性を検出するタスクについて検討する。 一般のエッジウェイト分布に対して、最適テストが情報理論上可能か不可能となるしきい値を確立する。
  論文  参考訳（メタデータ） (2024-09-23T10:07:41Z)
• Identifiable Latent Neural Causal Models [82.14087963690561]
  因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。 因果表現の識別可能性に寄与する分布シフトのタイプを決定する。 本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
  論文  参考訳（メタデータ） (2024-03-23T04:13:55Z)
• Graph Out-of-Distribution Generalization with Controllable Data Augmentation [51.17476258673232]
  グラフニューラルネットワーク(GNN)は,グラフ特性の分類において異常な性能を示した。 トレーニングとテストデータの選択バイアスが原因で、分散偏差が広まっています。 仮想サンプルの分布偏差を測定するためのOODキャリブレーションを提案する。
  論文  参考訳（メタデータ） (2023-08-16T13:10:27Z)
• Non-Asymptotic Performance of Social Machine Learning Under Limited Data [45.48644055449902]
  本稿では,社会機械学習フレームワークに関連付けられた誤りの確率について検討する。 これは、ラベルのないデータのストリームを分散的に分類する問題に対処する。
  論文  参考訳（メタデータ） (2023-06-15T17:42:14Z)
• Sufficient Identification Conditions and Semiparametric Estimation under Missing Not at Random Mechanisms [4.211128681972148]
  統計的に有効な分析を行うことは、MNARデータの存在において困難である。 従来のMNARモデルを2つの方法で一般化したMNARモデルを考える。 そこで本稿では,確率比をパラメータとして,そのようなモデルで符号化された独立性制約をテストする手法を提案する。
  論文  参考訳（メタデータ） (2023-06-10T13:46:16Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Causal and Counterfactual Views of Missing Data Models [11.670103549157387]
  欠落したデータの識別仮定をグラフィカルモデルでエンコードする方法を示す。 欠落データと因果同定理論の類似点と相違点に注目する。
  論文  参考訳（メタデータ） (2022-10-11T15:53:15Z)
• Assessing Fairness in the Presence of Missing Data [2.3605348648054463]
  完全ケースのみを用いて評価された任意のモデルに対して,完全データ領域における公平性を推定する問題について検討する。 我々の研究は、不完全データの解析における公正性保証に関する最初の既知の理論結果を提供する。
  論文  参考訳（メタデータ） (2021-12-07T17:51:26Z)
• OR-Net: Pointwise Relational Inference for Data Completion under Partial Observation [51.083573770706636]
  この作業はリレーショナル推論を使って不完全なデータを埋めます。 本稿では,2つの点での相対性理論をモデル化するために,全関係ネットワーク (or-net) を提案する。
  論文  参考訳（メタデータ） (2021-05-02T06:05:54Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)
• Graph Embedding with Data Uncertainty [113.39838145450007]
  スペクトルベースのサブスペース学習は、多くの機械学習パイプラインにおいて、一般的なデータ前処理ステップである。 ほとんどの部分空間学習法は、不確実性の高いデータにつながる可能性のある測定の不正確さやアーティファクトを考慮していない。
  論文  参考訳（メタデータ） (2020-09-01T15:08:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。