基于最优标签置换分类的类别型数据双变量因果发现
机器学习
2022-12-13 v2 机器学习
统计方法学
摘要
定量数据的因果发现已被广泛研究，但针对类别型数据的了解较少。我们基于一种称为最优标签置换分类（COLP）的新分类模型，提出了一种用于类别型数据的新型因果模型。COLP 按设计是一种简洁的分类器，由此产生一个可证明可识别的因果模型。一种通过比较多因果与反因果模型的似然函数的简单学习算法足以学习因果方向。通过合成与真实数据的实验，我们展示了所提出的基于 COLP 的因果模型相比 SOTA 方法的优越性能。我们还提供了一个配套的 R 包 COLP，其中包含所提出的因果发现算法和一个类别型因果效应配对基准数据集。
引用
@article{arxiv.2209.08579,
title = {Bivariate Causal Discovery for Categorical Data via Classification with Optimal Label Permutation},
author = {Yang Ni},
journal= {arXiv preprint arXiv:2209.08579},
year = {2022}
}