論文の概要: A Weaker Faithfulness Assumption based on Triple Interactions

• arxiv url: http://arxiv.org/abs/2010.14265v2
• Date: Wed, 4 Aug 2021 08:34:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 10:54:28.725880
• Title: A Weaker Faithfulness Assumption based on Triple Interactions
• Title（参考訳）: 三重相互作用に基づくウェイカー忠実度推定
• Authors: Alexander Marx, Arthur Gretton, Joris M. Mooij
• Abstract要約: より弱い仮定として, 2$-adjacency faithfulness を提案します。 より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
• 参考スコア（独自算出の注目度）: 89.59955143854556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the core assumptions in causal discovery is the faithfulness assumption, i.e., assuming that independencies found in the data are due to separations in the true causal graph. This assumption can, however, be violated in many ways, including xor connections, deterministic functions or cancelling paths. In this work, we propose a weaker assumption that we call $2$-adjacency faithfulness. In contrast to adjacency faithfulness, which assumes that there is no conditional independence between each pair of variables that are connected in the causal graph, we only require no conditional independence between a node and a subset of its Markov blanket that can contain up to two nodes. Equivalently, we adapt orientation faithfulness to this setting. We further propose a sound orientation rule for causal discovery that applies under weaker assumptions. As a proof of concept, we derive a modified Grow and Shrink algorithm that recovers the Markov blanket of a target node and prove its correctness under strictly weaker assumptions than the standard faithfulness assumption.
• Abstract（参考訳）: 因果発見における中核的な仮定の1つは忠実性の仮定であり、すなわち、データから見出される不依存は真の因果グラフの分離によるものであるという仮定である。 しかし、この仮定は、xor接続、決定論的関数、キャンセルパスなど、様々な方法で破ることができる。 本研究では,2ドルの忠誠心という,より弱い仮定を提案する。 因果グラフで連結された各変数のペアに条件付き独立性がないと仮定する隣接忠実性とは対照的に、ノードとマルコフブランケットの部分集合の間の条件付き独立性は必要とせず、2つのノードを含むことができる。 同様に、私たちはこの設定に方向の忠実さを適応させます。 さらに,より弱い仮定下で適応する因果発見のための音方向規則を提案する。 概念の証明として、対象ノードのマルコフブランケットを回復し、標準忠実性仮定よりも厳密な弱仮定の下でその正しさを証明する修正成長縮小アルゴリズムを導出する。

関連論文リスト

• Identifying General Mechanism Shifts in Linear Causal Representations [58.6238439611389]
  我々は,未知の潜在因子の線形混合を観測する線形因果表現学習環境について考察する。 近年の研究では、潜伏要因の復元や、それに基づく構造因果モデルの構築が可能であることが示されている。 非常に穏やかな標準仮定の下では、シフトしたノードの集合を識別することが可能である。
  論文  参考訳（メタデータ） (2024-10-31T15:56:50Z)
• 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 Discovery via Conditional Independence Testing with Proxy Variables [35.3493980628004]
  潜伏した共同設立者のような未観測変数の存在は、条件付き独立テストにバイアスをもたらす可能性がある。 本研究では,連続変数に対する因果関係の存在を効果的に検証できる仮説テスト手法を提案する。
  論文  参考訳（メタデータ） (2023-05-09T09:08:39Z)
• Exploiting Independent Instruments: Identification and Distribution Generalization [3.701112941066256]
  我々は、より高い瞬間を考慮に入れ、分布一般化の独立性を利用する。 提案した推定器は楽器の分布シフトに不変であることを示す。 これらの結果は、楽器が因果関数を識別するのに十分な豊かでない場合においても成り立つ。
  論文  参考訳（メタデータ） (2022-02-03T21:49:04Z)
• 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)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)

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。