論文の概要: Meaningful Causal Aggregation and Paradoxical Confounding

• arxiv url: http://arxiv.org/abs/2304.11625v3
• Date: Thu, 22 Feb 2024 10:49:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-23 19:10:55.816990
• Title: Meaningful Causal Aggregation and Paradoxical Confounding
• Title（参考訳）: 意味のある因果凝集とパラドックス的共起
• Authors: Yuchen Zhu and Kailash Budhathoki and Jonas Kuebler and Dominik Janzing
• Abstract要約: 集約変数では、介入の影響は通常不定義である。 同じマクロ・インターベンションの異なるマイクロリアライゼーションは、下流のマクロ変数の異なる変化をもたらす。 このような不確定性から解放された場合,集約因果系のみを用いることは事実上不可能であることを示す。
• 参考スコア（独自算出の注目度）: 12.459462079707038
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In aggregated variables the impact of interventions is typically ill-defined because different micro-realizations of the same macro-intervention can result in different changes of downstream macro-variables. We show that this ill-definedness of causality on aggregated variables can turn unconfounded causal relations into confounded ones and vice versa, depending on the respective micro-realization. We argue that it is practically infeasible to only use aggregated causal systems when we are free from this ill-definedness. Instead, we need to accept that macro causal relations are typically defined only with reference to the micro states. On the positive side, we show that cause-effect relations can be aggregated when the macro interventions are such that the distribution of micro states is the same as in the observational distribution; we term this natural macro interventions. We also discuss generalizations of this observation.
• Abstract（参考訳）: 集約変数では、同じマクロインターベンションの異なるマイクロリアライゼーションが下流マクロ変数の異なる変化をもたらすため、介入の影響は通常不確定である。 集合変数における因果関係の非定義性は, 根拠のない因果関係を共起関係に変換し, 逆もまた, それぞれのマイクロ実現に依存することを示した。 この不明確な状況から解放された場合、集約因果システムのみを使用することは事実上不可能であると主張する。 代わりに、マクロ因果関係は通常、ミクロ状態を参照してのみ定義されることを受け入れる必要がある。 正の面では、マクロ介入が観察分布と同じミクロ状態の分布であるような場合、原因-効果関係を集約できることを示し、この自然マクロ介入と呼ぶ。 この観測の一般化についても論じる。

関連論文リスト

• Identifying macro conditional independencies and macro total effects in summary causal graphs with latent confounding [0.9208007322096533]
  部分特定因果グラフ(SCG)は因果関係を単純化した表現を提供する。 本稿では,マイクロコンディショナルインディペンデンシーとマイクロコンディショナルインディペンデンシーと,マクロトータルエフェクトとマイクロトータルエフェクトを区別する。 また,SCGにおけるマクロトータル効果を同定するために,do-calculusが健全で完備であることも確認した。
  論文  参考訳（メタデータ） (2024-07-10T16:03:04Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• 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)
• On the Interventional Kullback-Leibler Divergence [11.57430292133273]
  因果モデル間の構造的差異と分布的差異を定量化するために、Interventional Kullback-Leibler divergenceを導入する。 本稿では,介入対象に対する十分な条件を提案し,モデルが確実に一致または一致しない観察変数のサブセットを同定する。
  論文  参考訳（メタデータ） (2023-02-10T17:03:29Z)
• Phenomenological Causality [14.817342045377842]
  本稿では,基本的な概念が基本的な行動の集合である「現象因果性」の概念を提案する。 検討中のシステムが基本的な動作を制御する他の変数と相互作用する場合、それは因果マルコフ条件と一致していると論じる。
  論文  参考訳（メタデータ） (2022-11-15T13:05:45Z)
• Entropic Inequality Constraints from $e$-separation Relations in Directed Acyclic Graphs with Hidden Variables [8.242194776558895]
  情報伝達の因果経路に沿った変数の容量はエントロピーによって制限されていることを示す。 本稿では,最小媒介エントロピーと呼ばれる因果影響の尺度を提案し,平均因果効果などの従来の尺度を拡大できることを実証する。
  論文  参考訳（メタデータ） (2021-07-15T02:43:33Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• Discovery of Causal Additive Models in the Presence of Unobserved Variables [6.670414650224422]
  観測されていない変数に影響されたデータからの因果発見は、重要だが解決が難しい問題である。 本研究では,非観測変数に偏らされることなく理論的に同定可能なすべての因果関係を同定する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-04T03:28:27Z)
• 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)
• 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)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。