使用深度神经网络进行因果推断
机器学习
2020-11-26 v1 机器学习
摘要
从观测数据中进行因果推断是许多科学领域的核心问题。本文提出一个通用的监督深度学习框架，通过对每对输入将输入向量转换为类图像的表示来推断因果交互。给定训练数据集，我们首先构造一个归一化经验概率密度分布（NEPDF）矩阵。然后在NEPDF上训练卷积神经网络（CNN）以进行因果预测。我们在多个不同的模拟和真实世界数据上测试了该方法，并与先前的因果推断方法进行比较。如我们所展示的，该方法是通用的，能有效处理极大数据集，并且优于先前的方法。
引用
@article{arxiv.2011.12508,
title = {Causal inference using deep neural networks},
author = {Ye Yuan and Xueying Ding and Ziv Bar-Joseph},
journal= {arXiv preprint arXiv:2011.12508},
year = {2020}
}