双射因果模型的反事实可识别性
机器学习
2023-06-08 v2 机器学习
摘要
我们研究具有双射生成机制的因果模型中的反事实可识别性，该类模型推广了文献中几种广泛使用的因果模型。我们针对三种具有未观测混杂的常见因果结构，建立了其反事实可识别性，并提出了一种将学习双射生成机制模型转化为结构化生成建模的实用学习方法。学习到的双射生成机制模型能够实现高效的反事实估计，并可使用多种深度条件生成模型获得。我们在一个视觉任务中评估了我们的技术，并在一个真实世界的视频流模拟任务中展示了其应用。
引用
@article{arxiv.2302.02228,
title = {Counterfactual Identifiability of Bijective Causal Models},
author = {Arash Nasr-Esfahany and Mohammad Alizadeh and Devavrat Shah},
journal= {arXiv preprint arXiv:2302.02228},
year = {2023}
}