马尔可夫等价下识别因果关系的局部方法
机器学习
2022-03-08 v2 机器学习
摘要
因果关系对于设计人工智能研究中可解释且鲁棒的方法十分重要。我们提出一种在有向无环图（DAGs）因果图模型框架下，识别某变量是否为给定目标原因的局部方法。一般而言，由于许多编码不同因果关系的因果 DAG 是马尔可夫等价的，两个变量间的因果关系可能无法从观测数据中识别。本文中，我们首先引入一个充分必要的图条件，用以检验在每个马尔可夫等价 DAG 中是否存在从某变量到目标的因果路径。接着，我们仅基于局部结构而非整图，给出识别某变量是否为目标的原因/非原因的局部判据。最后，我们通过对该变量局部结构的学习以及与目标相关的一些额外统计独立性检验，提出一种针对该因果查询的局部学习算法。仿真研究表明，与其他最先进（state-of-the-art）方法相比，我们的局部算法高效且有效。
引用
@article{arxiv.2102.12685,
title = {A Local Method for Identifying Causal Relations under Markov Equivalence},
author = {Zhuangyan Fang and Yue Liu and Zhi Geng and Shengyu Zhu and Yangbo He},
journal= {arXiv preprint arXiv:2102.12685},
year = {2022}
}