由有向无环图表示的缺失数据模型中的可识别性
机器学习
2019-07-02 v1 机器学习
摘要
缺失数据是数据分析中普遍存在的问题,导致数据集中包含目标分布的删失实现。许多利用删失观测数据对目标分布进行推断的方法,依赖于表示为关于有向无环图分解的缺失数据模型。在本文中,我们考虑该类模型中目标分布的可识别性,并表明迄今为止提出的最一般识别策略仍存在一个显著缺口,即它们未能识别广泛一类可识别分布。为弥补此缺口,我们提出了一种新算法,该算法显著推广了在因果推断背景下开发的 ID 算法中所使用的操作类型,以获得可识别性。
引用
@article{arxiv.1907.00241,
title = {Identification In Missing Data Models Represented By Directed Acyclic Graphs},
author = {Rohit Bhattacharya and Razieh Nabi and Ilya Shpitser and James M. Robins},
journal= {arXiv preprint arXiv:1907.00241},
year = {2019}
}
备注
16 pages, published in proceedings of 35th Conference on Uncertainty in Artificial Intelligence (UAI 2019)