基于局部模型的不变因果预测
机器学习
2024-09-02 v2 统计方法学
摘要
我们考虑从观测数据中在一组候选变量中识别目标变量的因果父节点的任务。我们的主要假设是，候选变量在不同的环境中被观测到，这些环境在某些假设下可以被视为对所观测系统的干预。我们假设目标变量与候选变量之间存在线性关系，这种关系在每个环境中可以不同，唯一的限制是因果结构在不同环境间保持不变。在我们提出的设定中，我们为因果父节点的可识别性提供了充分条件，并引入了一种称为 L-ICP（局部不变因果预测）的实用方法，该方法基于使用最小和最大统计量之比进行父节点识别的假设检验。然后，我们在一个简化的设定中证明了 L-ICP 的统计功效在样本量上呈指数级快速收敛，最后我们在更一般的设定中通过实验分析了 L-ICP 的行为。
引用
@article{arxiv.2401.05218,
title = {Invariant Causal Prediction with Local Models},
author = {Alexander Mey and Rui Manuel Castro},
journal= {arXiv preprint arXiv:2401.05218},
year = {2024}
}