带隐变量的 LiNGAM 模型中因果效应的识别
机器学习
2024-06-05 v1 机器学习
统计方法学
摘要
我们研究线性非高斯无环模型（LiNGAM）中因果效应的通用可识别性。在两种主要情境下进行考虑：即因果图已知先验信息，或因果图未知。在这两种情境中，我们提供了对观察变量之间可识别直接或总因果效应的完整图形特征描述。此外，我们提出了高效算法以认证图形条件。最后，我们提出了一种 LiNGAM 重构独立成分分析（RICA）算法的改进方案，从观测数据中给定因果图后估计因果效应。实验结果表明，所提方法在估计因果效应方面有效。
引用
@article{arxiv.2406.02049,
title = {Causal Effect Identification in LiNGAM Models with Latent Confounders},
author = {Daniele Tramontano and Yaroslav Kivva and Saber Salehkaleybar and Mathias Drton and Negar Kiyavash},
journal= {arXiv preprint arXiv:2406.02049},
year = {2024}
}
备注
Accepted at International Conference on Machine Learning (ICML) 2024