熵因果推断是一种最新的框架，通过寻找数据的信息-理论上最简单的结构解释，即最小熵模型，从观测数据中学习两个变量之间的因果图。在我们的工作中，我们首先推广了松弛假设下的因果图可辨识性结果。然后，我们展示了第一个可识别的结果，使用熵的方法学习超过两个节点的因果图。该方法利用了一个属性，即一个源节点和它的后代节点之间的祖先关系可以用二元熵测试来确定。我们提供了一种基于此特性的普通图的有序剥离算法。我们还提出了一个启发式算法，小图显示了较强的经验性能。我们严格评估我们的算法在各种模型生成的合成数据上的性能，观察与之前工作相比的改进。最后，我们在真实的数据集上测试我们的算法。
https://proceedings.mlr.press/v162/gresele22a.html
成为VIP会员查看完整内容
Causal Inference Through the Structural Causal Marginal Problem
相关内容
Arxiv
0+阅读 · 2022年10月4日
Arxiv
0+阅读 · 2022年9月30日
Arxiv
17+阅读 · 2021年3月23日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年10月4日
Arxiv
0+阅读 · 2022年9月30日
Arxiv
17+阅读 · 2021年3月23日
微信扫码咨询专知VIP会员