从相关性到因果性：通过因果分析与LLM解释理解气候变化
机器学习
2024-12-24 v1 计算机与社会
统计方法学
机器学习
摘要
本研究提出了一个三步骤的因果推断框架，将相关性分析、基于机器学习的因果发现和LLM驱动的解释相结合，以识别影响碳排放并促成气候变化的社会经济因素。该方法从识别相关性开始，随后进行因果分析，并通过LLM生成的关于气候变化背景的询问来增强决策。该提出的框架提供了灵活的解决方案，支持数据驱动的政策制定和气候相关情境下的战略决策，揭示了气候变化领域的因果关系。
引用
@article{arxiv.2412.16691,
title = {From Correlation to Causation: Understanding Climate Change through Causal Analysis and LLM Interpretations},
author = {Shan Shan},
journal= {arXiv preprint arXiv:2412.16691},
year = {2024}
}