論文の概要: Causal Density Functions

• arxiv url: http://arxiv.org/abs/2606.00754v1
• Date: Sat, 30 May 2026 14:41:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.760463
• Title: Causal Density Functions
• Title（参考訳）: 因果密度関数
• Abstract要約: 我々は、干渉法則と観測法則を比較し、因果効果の局所密度比として機能するラドン-ニコディム誘導体を用いる。 因果密度関数は、推定し、校正し、指示された影響を評価するのに使える測度の変化オブジェクトを提供する。
• 参考スコア（独自算出の注目度）: 1.3295383263113112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce causal density functions: Radon-Nikodym derivatives that compare interventional laws to observational laws and therefore act as local density ratios for causal effects. Whereas many causal-strength measures compare whole distributions after graph surgery, causal density functions provide a pointwise change-of-measure object that can be estimated, calibrated, and used to score directed influence. The basic identity \[ \mathbb{E}_{\mathrm{do}}[f(Y)] = \mathbb{E}_{\mathrm{obs}}\!\left[f(Y)ρ(X,Y)\right] \] makes causal density directly testable: if the estimated density ratio is correct, observational expectations reweighted by $ρ$ reproduce interventional expectations. We derive practical estimators for do-curves and directed edge scores, relate the construction to Radon-Nikodym/Kan semantics for conditioning and intervention, and evaluate the resulting estimators on synthetic and real perturbation benchmarks.
• Abstract（参考訳）: ラドン-ニコディム誘導体は、干渉法則を観察法則と比較し、因果効果の局所密度比として機能する。 多くの因果強度測定は、グラフ手術後の全分布を比較するが、因果密度関数は、推定、校正、および指示された影響を評価するために用いられる、測度の変化のポイントワイドなオブジェクトを提供する。 基本単位 \[ \mathbb{E}_{\mathrm{do}}[f(Y)] = \mathbb{E}_{\mathrm{obs}}\! \left[f(Y)ρ(X,Y)\right] \] は因果密度を直接テスト可能とし、推定密度比が正しければ、観測期待値が$ρ$の介入期待値で再重み付けされる。 ドカーブと有向エッジスコアの実用的な推定器を導出し、条件付けと介入のためのRadon-Nikodym/Kanセマンティクスの構築を関連づけ、合成および実摂動ベンチマーク上で得られた推定器の評価を行う。

関連論文リスト

• Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
  マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。 我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。 結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
  論文  参考訳（メタデータ） (2026-07-08T15:51:05Z)
• Kernel-Based Functional Balancing for Causal Inference with Compositional Treatments [3.827469920771502]
  合成処理による因果効果の推定について検討し, 露光は単純度上にあり, 推定値は2進値ではなく2進値上で定義される。
  論文  参考訳（メタデータ） (2026-06-15T21:24:58Z)
• Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics [80.05951561886123]
  我々は条件認識フローマッチングを利用して、生成軌道に沿った密度比を追跡するための1つの動的定式化を導出する。 クローズドフォーム比推定のためのシミュレーションベンチマーク上での競合性能を実証し,本手法が単一セルゲノミクスデータ解析における多目的タスクをサポートすることを示す。
  論文  参考訳（メタデータ） (2026-02-27T17:27:55Z)
• Quasiprobabilistic Density Ratio Estimation with a Reverse Engineered Classification Loss Function [0.7769607568805288]
  本稿では,確率的および準確率的密度比推定に適した凸損失関数を提案する。 粒子物理学による実例として, グルーオン-グルーオン融合によるジヒッグス生成とジェットの関連性を示す。
  論文  参考訳（メタデータ） (2025-12-22T22:37:19Z)
• Identifying Causal Direction via Dense Functional Classes [0.0]
  LCUBEは実世界のTuebingen の因果効果ペアデータセット上で AUDRC の精度に優れることを示す。 また、一般的な10のベンチマークデータセットの平均精度も向上し、13のデータセットの平均精度を達成している。
  論文  参考訳（メタデータ） (2025-08-30T15:42:31Z)
• Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift [17.924340241624204]
  我々は,少なくとも2乗とロジスティック回帰に基づく損失関数を用いた密度比推定器について検討した。 我々は、対数係数まで、標準のミニマックス最適率で推定誤差の上限を確立する。 この結果は、非有界領域と範囲を持つ密度比関数に適合する。
  論文  参考訳（メタデータ） (2025-03-29T11:35:39Z)
• Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
  本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
  論文  参考訳（メタデータ） (2023-06-01T11:52:58Z)
• 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)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Bump hunting through density curvature features [0.0]
  確率密度の曲率関数に基づく抽象的なバンプ構造を定義する。 本研究では、ハウゼンドルフ距離におけるバンプ境界の整合性を保証するための理論的な結果を示す。 異なる曲率のインスタンスを効果的に組み合わせ、洞察に富んだ可視化を生成すると結論付けている。
  論文  参考訳（メタデータ） (2022-07-30T10:00:42Z)
• 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)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)

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。