对深度潜变量模型因果估计一致性的批判性审视
机器学习
2022-01-25 v5
摘要
近年来，在因果推断中使用深度潜变量模型引起了相当大的关注，但一个关键的开放问题是它们能否产生一致的因果估计。尽管它们已展示出有前景的结果，且针对某些简单模型形式已有理论存在，但我们也知道在一般情况下即便有潜变量，因果效应甚至不可识别。我们以因果效应变分自编码器（CEVAE）为案例研究，通过解析考量以及在多个合成与真实世界数据集上的大量实验，调查了这一理论与经验结果之间的鸿沟。尽管CEVAE在某些简单场景下似乎可靠地工作，但与它最初的动机相反，在潜变量设定错误或数据分布复杂时，它并不能正确估计因果效应。因此，我们的结果表明，应更加关注确保深度潜变量模型因果估计的正确性。
引用
@article{arxiv.2102.06648,
title = {A Critical Look at the Consistency of Causal Estimation With Deep Latent Variable Models},
author = {Severi Rissanen and Pekka Marttinen},
journal= {arXiv preprint arXiv:2102.06648},
year = {2022}
}
备注
10 pages for main text + 19 pages for references and supplementary. 18 Figures