基于变分的因果识别

Nov, 2022

Variation-based Cause Effect Identification

Mohamed Amine ben Salem, Karim Said Barsim, Bin Yang

TL;DR通过VCEI框架，在单个观测设置中对双变量系统进行因果发现，基于因果和机制的独立性原则，人为构造两个设置，通过核最大平均偏差将人为干预转化为一个凸优化问题，通过一系列实验表明VCEI方法是一种有竞争力的因果发现方法。

Abstract

Mining genuine mechanisms underlying the complex data generation process in real-world systems is a fundamental step in promoting interpretability of, and thus trust in, data-driven models. Therefore, we propose a variation-based cause effect identification (VCEI) framework for

发现论文，激发创造

利用观测数据区分因果关系的方法和基准

本文回顾了两组单变量因果发现的方法：加性噪声方法（ANM）和信息几何因果推断（IGCI）。作者呈现了一项由各个领域（如，气象学、生物学、医学、工程、经济学等）37个数据集中选择的100个不同因果对的数据基准，这些方法在真实世界基准数据上的实证结果表明，某些方法确实能够仅使用纯观测数据区分原因和效应。

Dec, 2014

利用双变量因果发现集成重叠数据

本文将双变量因果发现算法用于解决多数据集间有重叠变量时的一致因果结构学习问题，算法表现在合成和真实数据上都优于之前的方法。

Oct, 2019

从观察数据中推断因果方向：复杂性方法

通过在离散或连续随机变量之间预测因变量来区分因果关系，我们提出了多个简单快速的标准，以检验因果关系，适用于广泛的因果机制和数据噪声类型。

Oct, 2020

深度潜变量模型因果估计的一项重要检验

通过多个数据集的实验和分析，研究了深度潜变量模型在因果推断中的应用，发现需要注意确保其因果估计的正确性。

Feb, 2021

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。