因果马赛克：基于非线性ICA与集成方法的因果推断
机器学习
2021-01-19 v1 机器学习
摘要
我们解决二元设定下区分因与果的问题。基于非线性独立成分分析(ICA)的最新进展，我们非参数地训练允许非加性噪声的一般非线性因果模型。进一步，我们构建了一个集成框架，即Causal Mosaic(因果马赛克)，它通过非线性模型的混合来建模因果对。我们在人工与真实世界基准数据集上将该 method 与其他近期方法比较，我们的方法展现出最先进的性能。
引用
@article{arxiv.2001.01894,
title = {Causal Mosaic: Cause-Effect Inference via Nonlinear ICA and Ensemble Method},
author = {Pengzhou Wu and Kenji Fukumizu},
journal= {arXiv preprint arXiv:2001.01894},
year = {2021}
}
备注
Accepted to AISTATS 2020. Camera-ready version in preparation