Feb, 2013

结构模型中的反事实和政策分析

PDF
TL;DR本文介绍了一种基于结构模型表示的因果模型的对反事实查询（例如，“如果 A 为真，C 会成为真吗？”）进行重新评估的方法，这是一种非线性概括，用于评估涉及控制变量的政策。
counterfactual queriescausal modelstructural modelspolicy analysisnonlinear generalization
发现论文，激发创造
  • 反事实概率：计算方法、界限和应用

    本文介绍了使用 [Balke 和 Pearl，1994] 中提出的方法计算假设查询的概率的方法，其中查询的前提被解释为迫使命题 A 成立的外部行动，并开发了技术来评估这些边界，并展示了他们在两个应用中的使用：（1）从选定自己的治疗方法中确定治疗效果，（2）在产品安全诉讼中确定责任。

    Feb, 2013

  • 用概率图模型进行反事实推理以分析社会生态系统

    因果推理和反事实推理是数据科学中的新兴方向，尤其适用于通常无法获取实验数据的环境和生态科学领域。本文提出了一个在社会生态系统领域内边界不可识别查询的新技术，并发现传统统计分析方法无法揭示变量之间的关系本质，其中反事实推理变得非常有价值。

    Jan, 2024

  • 具有类别背景变量的深度反事实估计

    本文介绍了一种基于 CounterFactual Query Prediction（CFQP）方法的结构方程模型来推断因果关系以及深度学习的应用，使用这种方法能够可靠地预测反事实因果关系。

    Oct, 2022

  • 通过分位数回归推进相对论推断

    该论文旨在通过使用神经网络将反事实推理重新构建为扩展的分位数回归问题，依据已学习的定性因果结构和观测数据进行可靠的反事实推理，而不需要给定因果模型甚至直接估计条件分布，并且该方法比现有方法在统计上更有效，同时也有可能将所估计的反事实结果的泛化能力扩展到看不见的数据，并提供泛化误差的上限界限。实验结果在多个数据集上强烈支持我们的理论 claims。

    Jun, 2023

  • 在不确定性下对反事实干预进行估计

    通过采用贝叶斯层级模型来建模不确定性，本文解决了连续设置中对反事实分布的模棱两可性问题，特别是在贝叶斯变形高斯过程中，允许非高斯分布和非加法噪声，成功应用于一个合成和半合成的案例，并展示了在算法补救下游任务中的性能。

    Sep, 2023

  • 回溯反事实

    本文探索并规范了在 SCM 框架中的反事实推理的另一种模式 ——backtracking account，并在相关文献和可解释的人工智能领域进行讨论和连线。

    Nov, 2022

  • 反事实上界的高效计算

    本文介绍了从结构因果模型获得置信网，通过 Credal 网络算法计算精确的反事实边界，提出了一种因果 EM 方案实现近似边界，评估了其精确度并通过关于姑息治疗的真实案例阐述了其实际应用。

    Jul, 2023

  • 非确定性因果模型

    我对无确定性的非确定性结构方程模型进行了泛化，并论证它对反事实提供了改进的语义。我通过允许多值函数在结构方程中的使用来放弃了哈尔彭（Halpern）的标准确定性语义，并调整语义以确保在任何反事实世界中都保留了实际世界中获得的方程解。最后，我将这些模型扩展到概率情况，并展示了它们在因果贝叶斯网络中识别反事实的方式。

    May, 2024

  • 未来的反事实

    本文研究的是针对选项干预的计数事实正反向两种方法 —— 干预方法与正向方法的偏差是如何导致直觉上不符合的结果的，该研究发现当系统中的外生噪声具有一定的单位特异性结构和 / 或稳定性时，正向方法的使用可以更合适。

    Dec, 2022

  • 使用 Gumbel-Max 结构因果模型进行反事实非政策评估

    本文介绍了一种离线评估过程，用于突出应用强化学习政策可能产生与观察到的政策实际产生的结果有实质性不同的情况。我们使用结构性因果模型生成反事实轨迹，以在高风险环境（例如，医疗保健）中进行离线政策调试。通过分解期望收益之间的差异，可以标识最具戏剧性的反事实奖励差异的情节。我们使用感染管理的合成环境证明了这种过程的实用性。

    May, 2019