基于变分后门调整的高维因果推断
人工智能
2023-10-11 v1 机器学习
机器学习
摘要
后门调整是因果推断中从纯观测数据估计干预量的一种技术。例如，在医疗场景中，后门调整可用于控制混杂并估计治疗的有效性。然而，高维处理变量与混杂变量带来一系列潜在陷阱：可处理性、可识别性、优化。在本工作中，我们采用生成建模方法处理高维处理变量与混杂变量的后门调整。我们将后门调整表述为变分推断中的一个优化问题，不依赖代理变量与隐藏混杂变量。在经验上，我们的方法能够在多种高维设置中估计干预似然，包括半合成 X 射线医疗数据。据我们所知，这是后门调整的第一个应用，其中所有相关变量均为高维。
引用
@article{arxiv.2310.06100,
title = {High Dimensional Causal Inference with Variational Backdoor Adjustment},
author = {Daniel Israel and Aditya Grover and Guy Van den Broeck},
journal= {arXiv preprint arXiv:2310.06100},
year = {2023}
}