基于$Y_0$的因果识别
人工智能
2025-08-06 v1
摘要
我们 presented the Python软件包，实现了针对（随机化）控制试验、观察性研究或其混合物的数据应用干预性、反事实性和可传递性查询的因果识别算法。聚焦于因果关系的定性探究，帮助研究人员在尝试估计该关系强度之前，确定从可用数据中是否可以估计因果关系。此外，提供了将因果查询转换为可从可用数据中非参数估计的符号估计量的指导。提供了一个用于表示因果查询和估计量作为符号概率表达式的领域特定语言，提供了用于表示带有未观测混杂因素的因果图模型的工具，如无环有向混合图（ADMGs），以及来自近期因果推断文献中众多识别算法的实现。的源代码可在MIT许可证下于https://github.com/y0-causal-inference/y0 获取，可通过pip install y0进行安装。
引用
@article{arxiv.2508.03167,
title = {Causal identification with $Y_0$},
author = {Charles Tapley Hoyt and Craig Bakker and Richard J. Callahan and Joseph Cottam and August George and Benjamin M. Gyori and Haley M. Hummel and Nathaniel Merrill and Sara Mohammad Taheri and Pruthvi Prakash Navada and Marc-Antoine Parent and Adam Rupe and Olga Vitek and Jeremy Zucker},
journal= {arXiv preprint arXiv:2508.03167},
year = {2025}
}