論文の概要: A General Framework for Constraint-based Causal Learning
- arxiv url: http://arxiv.org/abs/2408.07575v1
- Date: Wed, 14 Aug 2024 14:16:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-15 13:03:36.499709
- Title: A General Framework for Constraint-based Causal Learning
- Title(参考訳): 制約に基づく因果学習のための一般的なフレームワーク
- Authors: Kai Z. Teh, Kayvan Sadeghi, Terry Soo,
- Abstract要約: これにより、因果学習の正確性条件を得るための一般的な枠組みが提供される。
最短マルコフ表現条件は、最大祖先グラフと有向非巡回グラフに対する最小性の概念から得られる最も弱い正当性条件であることを示す。
- 参考スコア(独自算出の注目度): 3.031375888004876
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: By representing any constraint-based causal learning algorithm via a placeholder property, we decompose the correctness condition into a part relating the distribution and the true causal graph, and a part that depends solely on the distribution. This provides a general framework to obtain correctness conditions for causal learning, and has the following implications. We provide exact correctness conditions for the PC algorithm, which are then related to correctness conditions of some other existing causal discovery algorithms. We show that the sparsest Markov representation condition is the weakest correctness condition resulting from existing notions of minimality for maximal ancestral graphs and directed acyclic graphs. We also reason that additional knowledge than just Pearl-minimality is necessary for causal learning beyond faithfulness.
- Abstract(参考訳): 任意の制約に基づく因果学習アルゴリズムをプレースホルダー特性を介して表現することにより、正当性条件を分布と真の因果グラフに関連する部分と、分布のみに依存する部分に分解する。
これにより、因果学習の正確性条件を得るための一般的な枠組みが提供され、以下の意味を持つ。
我々はPCアルゴリズムに対して正確な正当性条件を提供するが、これは既存の因果発見アルゴリズムの正当性条件に関係している。
最短マルコフ表現条件は、最大祖先グラフと有向非巡回グラフに対する最小性の概念から得られる最も弱い正当性条件であることを示す。
我々はまた、誠実性を超えた因果学習には、単にパール・ミニマリティ以外の追加の知識が必要であると理由付けている。
関連論文リスト
- Causal Layering via Conditional Entropy [85.01590667411956]
因果発見は、生成した観測可能なデータから観測されていない因果グラフに関する情報を回収することを目的としている。
我々は、条件付きエントロピーオラクルを介してデータにアクセスすることによって、グラフの階層化を回復する方法を提供する。
論文 参考訳(メタデータ) (2024-01-19T05:18:28Z) - Escaping limit cycles: Global convergence for constrained
nonconvex-nonconcave minimax problems [46.71914490521821]
本稿では,非コンケーブなミニマックス問題のクラスに対して,新たな漸進型アルゴリズムを提案する。
提案アルゴリズムは制約付き正規化問題に適用可能である。
論文 参考訳(メタデータ) (2023-02-20T08:37:08Z) - Characterization and Learning of Causal Graphs with Small Conditioning
Sets [6.52423450125622]
制約に基づく因果探索アルゴリズムは、条件付き独立性を体系的にテストすることで因果グラフ構造の一部を学習する。
2つの因果グラフ間の$k$-Markov同値をグラフィカルに特徴付ける新しい表現を提案する。
合成および半合成実験を行い、$k$-PCアルゴリズムがより堅牢な因果発見を可能にすることを示す。
論文 参考訳(メタデータ) (2023-01-22T00:24:22Z) - Partial Disentanglement via Mechanism Sparsity [25.791043728989937]
メカニズムの疎性による絡み合いは、監督なしで潜伏要因を抽出する原則的アプローチとして導入された。
我々は、この理論の一般化を導入し、任意の基底真実グラフに適用する。
我々は、一貫性と呼ばれるモデルに対する新しい同値関係を通じて、学習された表現がいかに無関係になるかを示す。
論文 参考訳(メタデータ) (2022-07-15T20:06:12Z) - Conditions and Assumptions for Constraint-based Causal Structure
Learning [2.741266294612776]
この論文は、観測データから「真の」因果グラフの制約に基づく構造学習を定式化する。
分布が真の因果グラフに対するマルコヴィアンであるという仮定の下で、モデルの一般クラスに対する理論を提供する。
論文 参考訳(メタデータ) (2021-03-24T23:08:00Z) - On the Fundamental Limits of Exact Inference in Structured Prediction [34.978150480870696]
推論は構造化予測の主要なタスクであり、自然にグラフでモデル化される。
正確な推論の目標は、各ノードの未知の真のラベルを正確に復元することである。
基礎的な限界と計算可能なbello と honorio の手法の性能との間にはギャップが存在することを示した。
論文 参考訳(メタデータ) (2021-02-17T17:44:21Z) - Lexicographically Fair Learning: Algorithms and Generalization [13.023987750303856]
lexifairnessは、全てのminimaxフェアソリューションの中で、2番目に高いエラーを持つグループのエラーを最小化すべきだと要求する。
私たちは、非常に一般的な設定で約lexifairソリューションを見つけるためのオラクル効率の高いアルゴリズムを導き出します。
論文 参考訳(メタデータ) (2021-02-16T21:15:42Z) - Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。
ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。
分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
論文 参考訳(メタデータ) (2020-12-19T15:24:04Z) - 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) - From Checking to Inference: Actual Causality Computations as
Optimization Problems [79.87179017975235]
本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。
8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
論文 参考訳(メタデータ) (2020-06-05T10:56:52Z) - Approximation Schemes for ReLU Regression [80.33702497406632]
我々はReLU回帰の根本的な問題を考察する。
目的は、未知の分布から引き出された2乗損失に対して、最も適したReLUを出力することである。
論文 参考訳(メタデータ) (2020-05-26T16:26:17Z)
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。