論文の概要: CaSPECT: Discovering Causally Homogeneous Subgroups via Directed Spectral Clustering

• arxiv url: http://arxiv.org/abs/2607.03364v1
• Date: Fri, 03 Jul 2026 14:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.598898
• Title: CaSPECT: Discovering Causally Homogeneous Subgroups via Directed Spectral Clustering
• Title（参考訳）: CaSPECT: 直接スペクトルクラスタリングによる因果同質部分群の検出
• Authors: Arghya Pratihar, Shinjon Chakraborty, Swagatam Das,
• Abstract要約: CaSPECTは学習有向非巡回グラフ(DAG)の位相を通して類似性を定義する 新しいemphOrientation Validation Score (OVS)は、PCブートストラップの証拠をDirectLiNGAMとしっかりと結合する。 チャンの指示したラプラシアンは、個人が同じ因果伝播経路を共有するスペクトル埋め込みを提供する。
• 参考スコア（独自算出の注目度）: 16.993547305381327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose \textbf{CaSPECT}, a causal spectral clustering framework for discovering causally homogeneous subgroups from observational data. Rather than clustering in covariate space, CaSPECT defines similarity through the topology of a learned directed acyclic graph (DAG); a bootstrap-stabilised PC algorithm recovers the causal skeleton; a novel \emph{Orientation Validation Score} (OVS) combines PC bootstrap evidence with DirectLiNGAM to orient edges robustly; directed edges are weighted by backdoor-identified average treatment effects estimated via OLS or double machine learning. Chung's directed Laplacian provides a spectral embedding in which individuals close together share the same causal propagation pathways. We establish almost-sure consistency of the full pipeline and validate the method through a controlled simulation study and on LaLonde CPS1, IHDP, and 401(k) datasets, where CaSPECT recovers a positive and statistically significant treatment effect within the causally comparable subpopulation and corrects for severe confounding without requiring a pre-specified propensity score model.
• Abstract（参考訳）: 観測データから因果同質な部分群を発見するための因果スペクトルクラスタリングフレームワークである「textbf{CaSPECT}」を提案する。 学習された非巡回グラフ(DAG)のトポロジーを通じて類似性を定義するのではなく、ブートストラップ安定化PCアルゴリズムは因果骨格を復元し、新しい \emph{Orientation Validation Score} (OVS) はPCブートストラップエビデンスとDirectLiNGAMを密結合し、指向エッジはOLSまたはダブル機械学習によって推定されるバックドア同定平均治療効果によって重み付けされる。 チャンの指示したラプラシアンは、個人が同じ因果伝播経路を共有するスペクトル埋め込みを提供する。 制御されたシミュレーション研究とLaLonde CPS1, IHDP, 401(k)データセットを用いて, 全パイプラインのほぼ完全整合性を確立し, 本手法の有効性を検証した。

関連論文リスト

• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Decoupled PFNs: Identifiable Epistemic-Aleatoric Decomposition via Structured Synthetic Priors [25.166488691037078]
  Pre-Fitted Networks (PFNs) は、合成タスクに対するメタラーニングによるベイズ予測を補正するが、その標準出力はノイズの観測よりも後続の予測分布である。 以上の結果から, このてんかんの分離は, 一般的には後部予測分布だけでは識別できないことが明らかとなった。 我々はこれらのラベルを用いて、非結合のPFNを、別個の潜在信号頭とアレータリックヘッドで訓練する。
  論文  参考訳（メタデータ） (2026-05-07T15:22:35Z)
• Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning [52.452902154360565]
  GTSA-PCAは主成分分析の幾何学的拡張である。 曲率認識と測地的整合性を統合されたスペクトルフレームワークに統合する。 以上の結果から,GTSA-PCAは次元減少に対する統計的および幾何学的アプローチの原則的ブリッジとして位置づけられた。
  論文  参考訳（メタデータ） (2026-04-20T20:36:36Z)
• Improving RCT-Based Treatment Effect Estimation Under Covariate Mismatch via Calibrated Alignment [0.0]
  本稿では,各ソースの特徴を共通表現空間にマッピングする埋め込み学習により,インプットを回避したCALMを提案する。 OSの結果モデルはRTT埋め込み空間に転送され、試行データを用いて校正され、ランダム化による因果同定が保存される。
  論文  参考訳（メタデータ） (2026-03-19T17:43:12Z)
• CausalWrap: Model-Agnostic Causal Constraint Wrappers for Tabular Synthetic Data [4.08271266107383]
  CausalWrapは、事前訓練されたベースジェネレータに部分的な因果知識を注入するモデルに依存しないラッパーである。 CWは、ベースジェネレータからのサンプルに適用された軽量で微分可能なポストホック補正マップを学習する。 CWは多様なベースジェネレータ間の因果性を改善する。
  論文  参考訳（メタデータ） (2026-03-02T15:59:46Z)
• Causal Discovery with Mixed Latent Confounding via Precision Decomposition [0.0]
  微分可能およびスコアベースDAG学習者は、グローバル潜伏効果を因果エッジと誤解釈することができる。 我々は,これらの役割を分離したモジュール型高精度パイプラインであるtextscDCL-DECORを提案する。
  論文  参考訳（メタデータ） (2025-12-31T08:03:41Z)
• Provable Affine Identifiability of Nonlinear CCA under Latent Distributional Priors [7.550362088105815]
  人口設定における潜伏分布の幅広いクラスに対するアフィン識別可能性を証明する。 有界性と良質性を確保するためには,白化が不可欠であることを示す。 人口設定の他に、隆起規則化された経験的CCAがその人口に収束していることが証明される。
  論文  参考訳（メタデータ） (2025-10-06T12:35:07Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
  本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。 本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
  論文  参考訳（メタデータ） (2022-05-17T01:41:06Z)
• CASTLE: Regularization via Auxiliary Causal Graph Discovery [89.74800176981842]
  因果構造学習(CASTLE)の正規化を導入し,変数間の因果関係を共同学習することでニューラルネットワークの正規化を提案する。 CASTLEは因果的隣り合いを持つ因果的DAGの特徴のみを効率的に再構成する一方、再構成ベース正規化器は全ての入力特徴を過度に再構成する。
  論文  参考訳（メタデータ） (2020-09-28T09:49:38Z)

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。