Jul, 2023

反事实上界的高效计算

PDF
TL;DR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。
发现论文，激发创造
  • 通过知识编译实现可处理的反事实查询边界

    讨论了 Pearlian 结构因果模型中用于限定部分可辨识查询（如反事实推断）边界的问题，并提出了一种迭代 EM 方案，通过对初始化参数进行抽样，得到这些边界的内部近似。该方法需要对共享相同结构方程和拓扑结构、但具有不同外生概率的模型进行多次（贝叶斯网络）查询，因此将底层模型编译成算术电路具有优势，从而实现了显著的推理加速。通过单一的符号知识编译，我们展示了如何获得具有符号参数的电路结构，以在计算不同查询时将其替换为实际值。此外，我们还讨论了进一步加速边界计算的并行化技术。与标准贝叶斯网络推断相比，实验证明了明显的计算优势，加速比可达一个数量级。

    Oct, 2023

  • 从观测、偏见和随机数据学习界定反事实推断

    本文介绍一种方法，通过数据整合和建立结构性因果模型，在不同条件下解决由选择偏差引起的局部统计问题，并针对数据集的部分可识别性问题提出了一种逼近计算方法。通过系统的实验验证和实例研究，证明了这种方法的可行性和准确性，并揭示了数据整合对于信息界的提高具有积极的作用。

    Dec, 2022

  • 融合观察、偏差和随机数据源的近似反事实界限

    通过数据集成、反事实计算和因果推断方法，我们的研究对于解决具有选择偏差的数据集以及多个数据集之间的整合问题提出了有效的解决方案。

    Jul, 2023

  • 可伸缩因果边界的计算

    计算具有未观察到的混淆变量和离散值观察变量的因果图上的因果查询的边界的问题，我们显示线性规划可以被大大剪枝，使得我们能够解决较大规模的因果推断问题，以及提出了高效的贪心算法用于推断无额外观测变量的因果边界。

    Aug, 2023

  • 基于概率因果模型的高保真图像反事实

    本研究提出了一种通用的因果生成建模框架，用于准确估计具有深度结构因果模型的高保真图像反事实情况。

    Jun, 2023

  • 朝着马尔科夫等价下界因果效应

    预测未见干预的效果是数据科学中的一个基本研究问题。本文采用了部分祖先图（Partial Ancestral Graph）作为输入，提供了一种可以在数据驱动环境下计算因果效应界限的系统算法。

    Nov, 2023

  • 选择偏差下的边界反事实

    本研究提出一种算法来解决因果分析中的选择偏差，并证明了尽管存在选择偏差，可用数据的似然函数是单峰的。该算法可以用于解决可识别和不可识别查询，并通过因果期望最大化方案计算可识别情况下的因果查询值，否则计算上下界。实验表明该方法是实际可行的，并提供了理论收敛特性。

    Jul, 2022

  • 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

  • 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