論文の概要: Shapley-PC: Constraint-based Causal Structure Learning with Shapley Values

• arxiv url: http://arxiv.org/abs/2312.11582v2
• Date: Wed, 18 Sep 2024 14:05:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-19 23:35:48.048939
• Title: Shapley-PC: Constraint-based Causal Structure Learning with Shapley Values
• Title（参考訳）: Shapley-PC: 共有値を用いた制約に基づく因果構造学習
• Authors: Fabrizio Russo, Francesca Toni,
• Abstract要約: 因果構造学習(CSL)は、データ中の変数間の因果関係を抽出する。 そこで本研究では,制約に基づくCSLアルゴリズムの改良手法であるShapley-PCを提案する。 我々はShapley-PCの健全性、完全性、一貫性を証明し、提案アルゴリズムが既存のPCよりも優れていることを示すシミュレーション研究を行う。
• 参考スコア（独自算出の注目度）: 12.489784979345654
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Causal Structure Learning (CSL), also referred to as causal discovery, amounts to extracting causal relations among variables in data. CSL enables the estimation of causal effects from observational data alone, avoiding the need to perform real life experiments. Constraint-based CSL leverages conditional independence tests to perform causal discovery. We propose Shapley-PC, a novel method to improve constraint-based CSL algorithms by using Shapley values over the possible conditioning sets, to decide which variables are responsible for the observed conditional (in)dependences. We prove soundness, completeness and asymptotic consistency of Shapley-PC and run a simulation study showing that our proposed algorithm is superior to existing versions of PC.
• Abstract（参考訳）: 因果構造学習(英: Causal Structure Learning、略称:CSL)は、データ中の変数間の因果関係を抽出する。 CSLは観測データのみから因果効果を推定することができ、実際の実験を行う必要がなくなる。 制約ベースのCSLは条件付き独立テストを利用して因果発見を行う。 そこで本研究では,制約に基づくCSLアルゴリズムの改良手法であるShapley-PCを提案する。 我々はShapley-PCの健全性、完全性、漸近的一貫性を証明し、提案アルゴリズムが既存のPCよりも優れていることを示すシミュレーション研究を実行する。

関連論文リスト

• Simulation-based Benchmarking for Causal Structure Learning in Gene Perturbation Experiments [0.9187159782788578]
  CSL(Causal Structure Learning)は、データから因果関係を学習するタスクである。 乗法効果構造因果モデルであるtextitCausalRegNet$を提示する。 本稿では,CausalRegNetが正確な分布を生成し,現在のシミュレーションフレームワークよりもはるかに高速にスケール可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-08T15:06:03Z)
• What Makes CLIP More Robust to Long-Tailed Pre-Training Data? A Controlled Study for Transferable Insights [67.72413262980272]
  大規模なデータ不均衡は、Webスケールの視覚言語データセットの間に自然に存在する。 事前学習したCLIPは、教師付き学習と比較してデータ不均衡に顕著な堅牢性を示す。 CLIPの堅牢性と差別性は、より記述的な言語監督、より大きなデータスケール、より広いオープンワールドの概念によって改善される。
  論文  参考訳（メタデータ） (2024-05-31T17:57:24Z)
• Causal Structure Learning Supervised by Large Language Model [17.531706694386713]
  因果構造学習(CSL)は、データから因果非巡回グラフ(DAG)を導出することに焦点を当てる。 CSLにLLM(Large Language Models)を利用する既存のアプローチでは、問題が発生している。 本稿では,ILM Supervised CSLフレームワークについて紹介する。
  論文  参考訳（メタデータ） (2023-11-20T11:43:20Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Explaining Predictive Uncertainty with Information Theoretic Shapley Values [6.49838460559032]
  我々は、様々な種類の予測の不確実性を説明するために、人気のShapley値フレームワークを適用します。 我々は,実データおよびシミュレーションデータに対して,様々な実験でよく動作する効率的なアルゴリズムを実装した。
  論文  参考訳（メタデータ） (2023-06-09T07:43:46Z)
• On data-driven chance constraint learning for mixed-integer optimization problems [0.0]
  本稿では,混合整数線形最適化問題に着目したCCL手法を提案する。 CCLは線形化可能な機械学習モデルを使用して、学習変数の条件量子を推定する。 実践者が使用するオープンアクセスソフトウェアが開発されている。
  論文  参考訳（メタデータ） (2022-07-08T11:54:39Z)
• When does return-conditioned supervised learning work for offline reinforcement learning? [51.899892382786526]
  本研究では,リターン条件付き教師あり学習の能力と限界について検討する。 RCSLは、より伝統的な動的プログラミングベースのアルゴリズムに必要なものよりも強い仮定のセットで最適なポリシーを返す。
  論文  参考訳（メタデータ） (2022-06-02T15:05:42Z)
• CCSL: A Causal Structure Learning Method from Multiple Unknown Environments [32.61349047509467]
  非i.d.データからの因果発見のための統一因果クラスタ構造学習法(CCSL)を提案する。 本手法は,(1)同じ因果機構を持つ被験者をクラスタリングすること,(2)被験者のサンプルから因果構造を学習すること,の2つの課題を同時に統合する。
  論文  参考訳（メタデータ） (2021-11-18T12:50:53Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• 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)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。