Jul, 2018
关于等方差假设的因果推断
On Causal Discovery with Equal Variance Assumption
Wenyu Chen, Mathias Drton, Y. Samuel Wang
TL;DR从方程模型中求解方差的顺序推断因果结构,实现高维因果结构学习的简单又先进的方法。
Abstract
Prior work has shown that causal structure can be uniquely identified from
observational data when these follow a structural equation model
发现论文,激发创造
具有相同误差方差的高斯结构方程模型的可识别性
本文探讨了结构方程模型及其在因果推断中的应用。在高斯结构方程模型中,如果所有噪声变量的方差相同,则该模型可以从联合高斯分布中恢复出其对应的有向无环图,并提出了一种基于理论的算法来实现。
May, 2012
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
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
变分因果网络:对因果结构进行近似贝叶斯推断
本文提出了对基于结构性因果模型的图形变分推断的形式,通过参数化变分模型来模拟分布,并在参数数量与变量数量的指数无关的情况下进行可处理的训练。
Jun, 2021
谨防模拟 DAG! 因果推断基准测试可能很容易被操纵
本研究针对模拟的有向无环图模型,发现可以通过增加噪声来影响结构学习算法。引入 VarSortability 作为评估指标,探讨边缘方差与因果关系之间的关联性。结果表明,在一些连续结构学习算法中,高的 varsortability 能匹配一些基本的基线方法。然而,这种性能可能不会转移至真实世界的数据,因为 varsortability 可能很中庸或取决于测量尺度的选择。
Feb, 2021