Jul, 2012

因果推断中忠实度假设的几何学

PDF
TL;DR该论文研究了因果推断中的忠诚度假设及其限制，探究了在不同有向无环图的情况下强忠诚度分布的上下界，并证明了忠诚度假设对于 PC 算法以及高斯偏相关测试等算法具有基本的限制。
causalityfaithfulness assumptionstrong-faithfulnessstatistical estimationdirected acyclic graphs
发现论文，激发创造
  • 邻接 - 信实性与保守型因果推断

    本文研究因果推断算法中所使用的 Faithfulness 条件，并提出了 Adjacency-Faithfulness 和 Orientation-Faithfulness 两个组成部分。我们发现，只需假设满足 Adjacency-Faithfulness 条件，就可以测试 Orientation-Faithfulness 的有效性，并通过修改 PC 算法使其在该条件下更为正确。与 PC 算法相比，在 Adjacency-Faithfulness 条件下，修改后的保守 PC 算法能够减少输出虚假因果关系的个数，并在大样本限制下具有相同的结果。

    Jun, 2012

  • 在 $k$- 三角信仰假设下的因果效应均匀一致估计器

    提出了一种在 Causal Markov 假设和较弱的 k-Triangle-Faithfulness 假设下，能够一致估计线性高斯因果结构的 Markov 等价类和可识别结构系数的估计器。

    Feb, 2015

  • 基于 ASP 的半马尔科夫因果模型发现算法在较弱假设下的应用

    研究了自动因果发现中所谓的忠实性假设的可能性和弱化，发现可以在重要意义上保留其功能的各种方式，并且弱化忠实性可以帮助加速基于答案集编程的方法。此外，本文还探讨了半马尔可夫因果模型的基于约束的发现中忠实性的弱化，发现在这种更现实的情况下保持了（1）和（2）的情况，并考虑到了潜变量的可能性。

    Jun, 2019

  • 评估本地解释的忠实度框架

    本文研究了解释系统与预测模型的准确性。通过引入两个属性：一致性和充分性，并介绍了表示它们持有程度的量化度量方式。实验表明这些措施取决于测试数据的分布，并提供了估计器和样本复杂度界限以确定黑盒解释系统的准确性。

    Feb, 2022

  • 贝叶斯网络中的强完备性和忠实度

    介绍一种关于离散贝叶斯网络的 d 分离的完备结果，在强度量论意义下，几乎所有给定网络结构下的离散分布都是忠实的；即分布的独立性事实全部且只包含网络结构蕴涵的部分

    Feb, 2013

  • 关于忠实性的理论：连续数据上可微分类器的忠实解释

    重复研究 “忠实度” 在连续数据中的应用，提出了定量和定性忠实度的正式定义，并研究了定性和定量忠实度的局限性，还探索了这些方法在连续数据和可微分类器上的适用性。

    May, 2022

  • 规则、自解释和领域不变的 GNN 的忠诚度的利弊

    当我们对图神经网络的预测进行解释时，准确可信的解释是至关重要的。我们发现现有的指标在可信度方面并不可替代，但它们可能对解释的重要属性具有系统性不敏感性，针对这些问题提出了解决方案。对于一类特定的图神经网络结构，追求完全准确可信的解释是没有意义的。与之不同的是，对于自解释和领域不变的模块化图神经网络结构，追求可信度并不会损害信息量，并且与非分布式泛化能力也有意想不到的联系。

    Jun, 2024

  • 基于逆向推理的合理性的自然语言推理中具体例子的逻辑可满足性

    本文提出 Faithfulness-through-Counterfactuals 方法并验证了其在模型验证及故障诊断中的有效性。该方法通过对逻辑谓词表达的对立假设进行模型预测一致性验证，无需额外的训练验证模型。

    May, 2022

  • 因果结构学习中的非线性、反馈与一致性

    寻找自动化搜索方法，从观察数据中学习因果结构；讨论潜变量和观察变量之间的因果联系以及它们之间的潜在模式和结构；提出了不同于高斯分布条件的 k - 三角性忠诚度的另一定义，可用于非高斯分布；轻松学习具有潜变量的因果结构的充分性假设。

    Aug, 2023

  • 线性潜变量模型中受测量误差影响的因果推断

    探讨线性系统中存在测量误差时的因果推断问题，在鉴定列的置换和缩放范围内确定混合矩阵的情况下，发现这个问题与存在未观察到的无父原因的因果推断问题之间有相当惊人的联系，并提出了因果结构学习方法并在合成数据上评估了它们的性能。

    Nov, 2022