因果发现中的假设违背与得分匹配的鲁棒性

当领域知识有限且实验受伦理、资金或时间约束限制时，从业者转而利用观测因果发现方法，借助数据的统计性质来恢复因果结构。由于无进一步假设的因果发现是一个不适定问题，每种算法都带有其自身一组通常不可检验的假设，其中部分假设在真实数据集中难以满足。受这些考量驱动，本文在不同背景条件下生成的观测 i.i.d. 数据上，广泛基准测试了近期因果发现方法的经验性能，并允许所选各方法所需的关键假设被违背。我们的实验发现表明，基于得分匹配的方法在这些挑战性场景下，在推断图的假阳性率与假阴性率方面表现出令人惊讶的性能，且我们提供了关于其性能的理论见解。本工作也是首个针对因果发现算法相对于其超参数取值稳定性的基准测试努力。最后，我们希望本文能为因果发现方法的评估树立新标准，并可作为该领域感兴趣从业者的易得入门点，凸显不同算法选择的经验影响。