論文の概要: Identifying Causal Effects via Context-specific Independence Relations

• arxiv url: http://arxiv.org/abs/2009.09768v1
• Date: Mon, 21 Sep 2020 11:38:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 04:16:30.365433
• Title: Identifying Causal Effects via Context-specific Independence Relations
• Title（参考訳）: 文脈特異的独立関係による因果効果の同定
• Authors: Santtu Tikka, Antti Hyttinen, Juha Karvanen
• Abstract要約: 因果効果の同定は、介入確率分布が受動的に観察された分布から一意に決定できるかどうかを考える。 我々は、文脈固有の独立関係の存在下で、因果効果の非識別性を決定することはNPハードであることを示す。 そこで我々は,CSIの存在下での因果関係を識別する計算法と自動探索法を設計した。
• 参考スコア（独自算出の注目度）: 9.51801023527378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Causal effect identification considers whether an interventional probability distribution can be uniquely determined from a passively observed distribution in a given causal structure. If the generating system induces context-specific independence (CSI) relations, the existing identification procedures and criteria based on do-calculus are inherently incomplete. We show that deciding causal effect non-identifiability is NP-hard in the presence of CSIs. Motivated by this, we design a calculus and an automated search procedure for identifying causal effects in the presence of CSIs. The approach is provably sound and it includes standard do-calculus as a special case. With the approach we can obtain identifying formulas that were unobtainable previously, and demonstrate that a small number of CSI-relations may be sufficient to turn a previously non-identifiable instance to identifiable.
• Abstract（参考訳）: 因果効果の同定は、介入確率分布が与えられた因果構造における受動的に観察された分布から一意に決定できるかどうかを考える。 生成システムが文脈固有独立性(CSI)関係を誘導した場合、既存の識別手順とdo-calculusに基づく基準は本質的に不完全である。 CSIの存在下での因果効果の判定はNP-hardであることを示す。 そこで我々は,CSIの存在下での因果関係を識別する計算法と自動探索法を設計した。 アプローチは明らかに健全で、特殊なケースとして標準のdo-calculusを含んでいる。 このアプローチでは、以前には観測できなかった公式を識別することができ、少数のcsi関係が、以前に特定できなかったインスタンスを識別可能なものにするには十分であることを示すことができる。

関連論文リスト

• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Identification of Causal Structure in the Presence of Missing Data with Additive Noise Model [24.755511829867398]
  近年の付加雑音モデルでは,自己マスキングの欠如の存在下で因果構造を学習する可能性が示唆された。 本稿では, 以上の理論結果に基づいて, 因果骨格と因果方向を学習する実用的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-19T14:44:26Z)
• Causal Imitability Under Context-Specific Independence Relations [18.764384254545718]
  我々は,CSI関係が知られている場合の因果模倣学習の問題点を考察する。 我々は、CSI下での模倣学習に必要なグラフィカルな基準を提供し、構造的前提の下では、この基準も十分であることを示す。 本稿では,CSI関係とデータを考慮した因果模倣学習のための音響アルゴリズムアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-01T11:55:27Z)
• Epsilon-Identifiability of Causal Quantities [17.565045120151865]
  因果関係のいくつかの確率に対して, 部分的識別がまだ可能であることを示す。 特に,不特定因果効果と反事実確率が狭義に限定されることを示す。
  論文  参考訳（メタデータ） (2023-01-27T23:16:57Z)
• Identifying Weight-Variant Latent Causal Models [82.14087963690561]
  推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。 いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。 本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-08-30T11:12:59Z)
• Causal Effect Identification in Uncertain Causal Networks [30.239874638041904]
  因果同定は因果推論文学の中核にある。 因果グラフの辺が不確実性を持って存在し、例えば、ドメインの専門家の信念の度合いを表す可能性があることを示す。 実世界のネットワークとランダムに生成されたグラフの両方に対して,この問題を近似する効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:44:45Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Effect Identification in Cluster Causal Diagrams [51.42809552422494]
  クラスタ因果図(略してC-DAG)と呼ばれる新しいタイプのグラフィカルモデルを導入する。 C-DAGは、限定された事前知識に基づいて変数間の関係を部分的に定義することができる。 我々はC-DAGに対する因果推論のための基礎と機械を開発する。
  論文  参考訳（メタデータ） (2022-02-22T21:27:31Z)
• Typing assumptions improve identification in causal discovery [123.06886784834471]
  観測データからの因果発見は、正確な解を常に特定できない難しい課題である。 そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
  論文  参考訳（メタデータ） (2021-07-22T14:23:08Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)

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。