深度因果模型及其工业应用综述
机器学习
2024-05-24 v6 机器学习
摘要
因果性概念在人类认知领域中占据着至高无上的地位。过去几十年间,包括计算机科学、医学、经济学和工业应用等在内的多个学科在因果效应估计领域取得了显著进展。随着深度学习方法的持续发展,利用反事实数据进行因果效应估计的应用显著增多。通常,深度因果模型将协变量的特征映射到表示空间,然后设计各种目标函数以无偏地估计反事实数据。与现有关于机器学习中因果模型的综述不同,本综述主要关注基于神经网络的深度因果模型,其核心贡献如下:1)我们从发展时间线和方法分类两个视角对深度因果模型进行了全面概述;2)我们概述了因果效应估计在工业中的一些典型应用;3)我们还努力对相关数据集、源代码和实验进行了详细的分类与分析。
引用
@article{arxiv.2209.08860,
title = {A Survey of Deep Causal Models and Their Industrial Applications},
author = {Zongyu Li and Xiaobo Guo and Siwei Qiang},
journal= {arXiv preprint arXiv:2209.08860},
year = {2024}
}