論文の概要: The d-separation criterion in Categorical Probability
- arxiv url: http://arxiv.org/abs/2207.05740v1
- Date: Tue, 12 Jul 2022 17:58:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 15:11:54.459261
- Title: The d-separation criterion in Categorical Probability
- Title(参考訳): カテゴリー確率におけるd分離基準
- Authors: Tobias Fritz, Andreas Klingler
- Abstract要約: d-分離基準は、特定の条件独立性を通して有向非巡回グラフとの結合確率分布の整合性を検出する。
この研究は因果モデルのカテゴリー的定義、d-分離のカテゴリー的概念を導入し、d-分離基準の抽象的なバージョンを証明した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The d-separation criterion detects the compatibility of a joint probability
distribution with a directed acyclic graph through certain conditional
independences. In this work, we study this problem in the context of
categorical probability theory by introducing a categorical definition of
causal models, a categorical notion of d-separation, and proving an abstract
version of the d-separation criterion. This approach has two main benefits.
First, categorical d-separation is a very intuitive criterion based on
topological connectedness. Second, our results apply in measure-theoretic
probability (with standard Borel spaces), and therefore provide a clean proof
of the equivalence of local and global Markov properties with causal
compatibility for continuous and mixed variables.
- Abstract(参考訳): d-分離基準は、特定の条件独立性を通して有向非巡回グラフとの結合確率分布の整合性を検出する。
本研究では, 因果モデルの分類的定義, d-分離の分類的概念を導入し, d-分離基準の抽象版を証明することで, 分類的確率論の文脈でこの問題を研究する。
このアプローチには2つの大きなメリットがあります。
まず、圏 d-分離は位相連結性に基づく非常に直感的な基準である。
第二に、この結果は測度論的確率(標準ボレル空間)に適用され、従って連続変数と混合変数の因果整合を伴う局所的および大域的マルコフ性質の同値性を明確に証明する。
関連論文リスト
- Non-Asymptotic Performance of Social Machine Learning Under Limited Data [51.053285698685364]
本研究では,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。
このフレームワークは、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) - String Diagrams with Factorized Densities [0.0]
確率的プログラムと因果モデルの両方が、確率変数の集合上の合同確率密度を定義する。
この研究は、確率写像のマルコフ圏の研究に基づいて、射が各サンプル空間上で分解された結合密度と、サンプルから値を返す決定論的写像を結合する圏を定義する。
論文 参考訳(メタデータ) (2023-05-04T02:30:44Z) - Fairness and robustness in anti-causal prediction [73.693135253335]
分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。
これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。
この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
論文 参考訳(メタデータ) (2022-09-20T02:41:17Z) - 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) - 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) - Discovering Latent Causal Variables via Mechanism Sparsity: A New
Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。
潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文 参考訳(メタデータ) (2021-07-21T14:22:14Z) - Exact Distribution-Free Hypothesis Tests for the Regression Function of
Binary Classification via Conditional Kernel Mean Embeddings [0.0]
条件付きカーネル平均埋め込みに基づく二項分類の回帰関数に対する2つの仮説試験を提案する。
テストは柔軟な方法で導入され、タイプiのエラーの正確な確率を制御できます。
論文 参考訳(メタデータ) (2021-03-08T22:31:23Z) - A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。
統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。
本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
論文 参考訳(メタデータ) (2021-01-25T09:46:14Z) - Conditional canonical correlation estimation based on covariates with
random forests [0.0]
本研究では,2つの変数間の条件付き正準相関を推定するRFCCAを用いたランダムフォレスト(Random Forest)を提案する。
提案手法と大域的意義試験は,精度の高い正準相関推定とよく制御されたType-1誤差を提供するシミュレーション研究によって評価される。
論文 参考訳(メタデータ) (2020-11-23T17:09:46Z) - Predictive Value Generalization Bounds [27.434419027831044]
本稿では,二項分類の文脈におけるスコアリング関数の評価のためのビクテリオンフレームワークについて検討する。
本研究では,新しい分布自由な大偏差と一様収束境界を導出することにより,予測値に関するスコアリング関数の特性について検討する。
論文 参考訳(メタデータ) (2020-07-09T21:23:28Z) - Achieving Equalized Odds by Resampling Sensitive Attributes [13.114114427206678]
等価性の概念をほぼ満足する予測モデルを学習するためのフレキシブルなフレームワークを提案する。
この微分可能な関数は、モデルパラメータを等化奇数に向けて駆動するペナルティとして使用される。
本研究は,予測規則が本性質に反するか否かを検出するための公式な仮説テストを開発する。
論文 参考訳(メタデータ) (2020-06-08T00:18:34Z)
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。