Fugu-MT 論文翻訳(概要): Necessary and sufficient conditions for causal feature selection in time series with latent common causes

論文の概要: Necessary and sufficient conditions for causal feature selection in time series with latent common causes

arxiv url: http://arxiv.org/abs/2005.08543v3
Date: Thu, 22 Oct 2020 08:16:30 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 00:06:15.866893
Title: Necessary and sufficient conditions for causal feature selection in time series with latent common causes
Title（参考訳）: 潜在共通要因を有する時系列における因果特徴選択に必要な十分条件
Authors: Atalanti A. Mastakouri, Bernhard Sch\"olkopf, Dominik Janzing
Abstract要約: 本研究では,時系列上での直接的および間接的原因の同定と潜伏変数の存在条件について検討する。我々の理論的結果と推定アルゴリズムは、観測された各時系列に対して2つの条件付き独立性テストを必要とする。以上の結果から,本手法は偽陽性率が非常に低く,偽陰性率も比較的低く,広範に用いられているGranger因果性よりも優れていたことが示唆された。
参考スコア（独自算出の注目度）: 20.43839998570287
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the identification of direct and indirect causes on time series and provide conditions in the presence of latent variables, which we prove to be necessary and sufficient under some graph constraints. Our theoretical results and estimation algorithms require two conditional independence tests for each observed candidate time series to determine whether or not it is a cause of an observed target time series. We provide experimental results in simulations, as well as real data. Our results show that our method leads to very low false positives and relatively low false negative rates, outperforming the widely used Granger causality.
Abstract（参考訳）: 時系列における直接的および間接的原因の同定と潜在変数の存在下での条件について検討し,いくつかのグラフ制約下で必要十分であることが証明された。我々の理論結果と推定アルゴリズムは, 観測対象時系列の原因であるか否かを判定するために, 観測対象時系列毎に2つの条件独立性テストを必要とする。実データと同様にシミュレーションでの実験結果を提供する。以上の結果より,本手法は極めて低い偽陽性率と比較的低い偽陰性率をもたらすことが示唆された。

関連論文リスト

Selective Inference for Time-Varying Effect Moderation [3.8233569758620063]
因果効果のモデレーションは、個人が観察した特性に基づいて、結果変数に対する介入(または治療)の効果がどのように変化するかを調べる。高次元解析は、しばしば解釈可能性に欠け、重要なモデレーターはノイズに隠れている。時間変化による因果効果のモデレーションを選択的に推定する2段階の手法を提案する。
論文参考訳（メタデータ） (2024-11-24T16:37:48Z)
Score matching through the roof: linear, nonlinear, and latent variables causal discovery [18.46845413928147]
観測データからの因果発見は、非常に有望である。既存の手法は根底にある因果構造に関する強い仮定に依存している。線形・非線形・潜在変数モデルにまたがる因果探索のためのフレキシブルアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-26T14:09:06Z)
On the Recoverability of Causal Relations from Temporally Aggregated I.I.D. Data [45.228979584422056]
時間的アグリゲーションが一般環境における瞬時因果発見に及ぼす影響を考察する。理論的,実験的に,因果発見結果は凝集により著しく歪む可能性があることを示す。
論文参考訳（メタデータ） (2024-06-04T10:35:16Z)
On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-24T08:08:05Z)
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)
Self-Compatibility: Evaluating Causal Discovery without Ground Truth [28.72650348646176]
本研究では,基底真理が存在しない場合に因果発見アルゴリズムの出力をfalsificationする新しい手法を提案する。我々の重要な洞察は、統計的学習がデータポイントのサブセット間の安定性を求める一方で、因果学習は変数のサブセット間の安定性を求めるべきであるということである。本研究では,不整合性の検出が,仮定や誤差が有限なサンプル効果によって誤って因果関係を推定することを証明する。
論文参考訳（メタデータ） (2023-07-18T18:59:42Z)
Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
論文参考訳（メタデータ） (2023-06-15T21:42:40Z)
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)
Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。感染症の監視は、ユニークな統計上の課題を提示する。適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文参考訳（メタデータ） (2022-12-05T17:04:17Z)
Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文参考訳（メタデータ） (2021-07-05T21:05:11Z)
Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-28T11:07:59Z)

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。