基于图的经验插入法因果效应复杂度分析

本文关注计算因果效应查询的经验插入估计量的计算复杂度。给定因果图和观测数据，任何可识别的因果查询都可以从观测变量上的表达式（称为估计量）中估计。然后通过代入从数据中经验计算的概率来评估估计量。与假设高维概率函数会导致估计量指数级评估时间的传统认知相反，我们表明计算可以高效完成，根据估计量的超图，时间可能随数据规模线性增长。特别是，我们证明估计量结构的树宽和超树宽均能限制插入估计量的评估复杂度，这类似于它们在图模型概率推理复杂度中的作用。由于经验分布稀疏，超树宽往往提供更有效的界限。