基于核敏感性图的地球科学因果推断
机器学习
2020-12-29 v1 信号处理
统计方法学
摘要
从观测数据中建立随机变量之间的因果关系或许是当今科学中最重要的挑战。在遥感和地球科学中，这对于更好地理解地球系统以及过程之间复杂且难以捉摸的相互作用具有特殊意义。在本文中，我们探索了一个通过回归和依赖估计从成对变量中导出因果关系的方法框架。我们提出关注依赖估计器对近似残差的前向和逆向密度不对称性的敏感性（曲率）。在包含28个地球科学因果推断问题的大型集合中的结果证明了该方法良好的能力。
引用
@article{arxiv.2012.14303,
title = {Causal Inference in Geosciences with Kernel Sensitivity Maps},
author = {Adrián Pérez-Suay and Gustau Camps-Valls},
journal= {arXiv preprint arXiv:2012.14303},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1611.00555, arXiv:2012.05150