Feb, 2013

反事实概率：计算方法、界限和应用

PDF
TL;DR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。
counterfactual queriescausal mechanismsconditional probabilitiestreatment efficacyproduct-safety litigation
发现论文，激发创造
  • 结构模型中的反事实和政策分析

    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。

    Feb, 2013

  • 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

  • 模拟对事实的反事实情况

    提出一种用于模拟具有离散和连续变量条件的反事实分布的算法，该算法可用于粒子滤波器，可应用于信贷评分中的公平性分析。

    Jun, 2023

  • 分布模糊下的反事实计划

    本文研究模型不确定性下的反事实计划及其强健性，提出一种不确定性量化工具，计算给定反事实计划的有效性的上下界，并提供校正方法以提高计划的有效性和鲁棒性。实验验证了我们提出的边界和校正方法具有指导现实世界数据集中反事实计划的应用的意义。

    Jan, 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

  • 贝叶斯分层模型用于反事实估计

    本文提出一个新的概率模型，用于计算模型的多个对抗性解释。该模型可以共享群体分组的信息，并保留领域特定的约束条件，同时评估不确定性，并得出合理、稀疏、多样和可行的结果。

    Jan, 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

  • 基于概率归纳逻辑编程的基于反事实的回答：如果我在 AI 中，生活会更有趣吗？

    通过具有因果推断框架的概率逻辑程序，从观测数据学习程序结构，重建由其引发的分布以支持反事实查询。

    Aug, 2023

  • 隐藏混淆下的共形反事实推断

    个性化决策需要对不同处理方法下的潜在结果有所了解，并且关于潜在结果的置信区间能够丰富决策过程并提高其在高风险场景下的可靠性。本研究提出了一种基于推断加权拟合预测的新方法 wTCP-DR，他能够在存在隐性混淆的情况下提供对反事实结果的置信区间，并具备边际收敛保证。通过访问部分干预数据，我们的方法能够解决观测分布和干预分布之间的协变量转移问题。理论结果明确表明了我们的算法相对于只使用干预数据的朴素方法的条件优势。在确保反事实置信区间有效之后，构造个别处理效应的区间是直接的。我们通过合成数据和真实世界数据验证了我们的方法的优越性，其中包括推荐系统，并与现有最先进方法进行了比较，结果在覆盖率和效率两方面都表现出优势。

    May, 2024

  • 反事实伤害

    本文提出了第一个使用因果模型来形式化定义伤害和益处的方法，并证明了不能进行反事实推理的标准机器学习算法在损害易变的情况下必定追求有害政策。并利用我们对伤害的定义，设计了一种用于决策的框架，以减少伤害。这个框架是利用反事实目标函数。我们用药物反应模型从随机对照试验的数据中学习，展示了这个框架在识别最佳药物剂量问题上的应用。我们发现，使用治疗效果选择剂量的标准方法会导致不必要的伤害，而我们的反事实方法允许我们识别出大大减少伤害而不损失疗效的剂量。

    Apr, 2022