論文の概要: Graph-based Complexity for Causal Effect by Empirical Plug-in
- arxiv url: http://arxiv.org/abs/2411.10008v1
- Date: Fri, 15 Nov 2024 07:42:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-18 15:38:27.623533
- Title: Graph-based Complexity for Causal Effect by Empirical Plug-in
- Title（参考訳）: 経験的プラグインによる因果効果のグラフベース複雑性
- Authors: Rina Dechter, Annie Raichev, Alexander Ihler, Jin Tian,
- Abstract要約: 本稿では、因果効果クエリに対する経験的プラグイン推定の計算複雑性に焦点を当てる。
計算は、推定値のハイパーグラフに依存するため、データサイズにおいて、潜在的に線形な時間で効率的に行うことができることを示す。
- 参考スコア（独自算出の注目度）: 56.14597641617531
- License:
- Abstract: This paper focuses on the computational complexity of computing empirical plug-in estimates for causal effect queries. Given a causal graph and observational data, any identifiable causal query can be estimated from an expression over the observed variables, called the estimand. The estimand can then be evaluated by plugging in probabilities computed empirically from data. In contrast to conventional wisdom, which assumes that high dimensional probabilistic functions will lead to exponential evaluation time of the estimand. We show that computation can be done efficiently, potentially in time linear in the data size, depending on the estimand's hypergraph. In particular, we show that both the treewidth and hypertree width of the estimand's structure bound the evaluation complexity of the plug-in estimands, analogous to their role in the complexity of probabilistic inference in graphical models. Often, the hypertree width provides a more effective bound, since the empirical distributions are sparse.
- Abstract（参考訳）: 本稿では、因果効果クエリに対する経験的プラグイン推定の計算複雑性に焦点を当てる。
因果グラフと観測データから、任意の因果クエリは、推定値と呼ばれる観測変数上の式から推定することができる。
そして、データから経験的に計算された確率をプラグインすることで、推定値を評価することができる。
従来の知恵とは対照的に、高次元確率関数は推定値の指数的評価時間につながると仮定する。
計算は、推定値のハイパーグラフに依存するため、データサイズにおいて、潜在的に線形な時間で効率的に行うことができることを示す。
特に,図形モデルにおける確率的推論の複雑さにおけるそれらの役割に類似して,推定器の構造のツリー幅とハイパーツリー幅の両方が,プラグイン推定器の評価複雑性に結びついていることが示される。
しばしば、ハイパーツリーの幅は、経験的分布がスパースであるため、より効果的な境界を与える。
関連論文リスト
- Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。
観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。
本手法は, 推定手法よりも有効であることを示す。
論文 参考訳（メタデータ） (2024-08-26T08:39:09Z) - Learning Likelihood Ratios with Neural Network Classifiers [0.12277343096128711]
確率比の近似は、ニューラルネットワークベースの分類器の巧妙なパラメトリゼーションを用いて計算することができる。
本稿では、いくつかの共通損失関数の性能と分類器出力のパラメトリゼーションを詳述した一連の実証研究について述べる。
論文 参考訳（メタデータ） (2023-05-17T18:11:38Z) - Graphon Estimation in bipartite graphs with observable edge labels and
unobservable node labels [3.59986669039879]
多くの実世界のデータセットは、異なる性質の2つの実体間の相互作用に対応する行列の形で表現することができる。
本稿では、上記の相互作用が各エンティティを記述する観測不能な潜在変数によって決定されると仮定する。
我々の目的は、観測不可能な変数からデータ行列の条件付き期待値を推定することである。
論文 参考訳（メタデータ） (2023-04-07T11:21:52Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳（メタデータ） (2022-10-03T06:09:01Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳（メタデータ） (2022-02-07T21:37:29Z) - 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) - Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。
本稿では,非自明なERGに対する近似フレームワークを提案する。
我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文 参考訳（メタデータ） (2020-02-14T11:42:16Z)
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。