为信息几何因果推断提供理据
机器学习
2014-02-12 v1
摘要
信息几何因果推断（IGCI）是一种区分两个变量间因果方向的新方法。它基于输入分布与因果机制之间的独立性假设，该假设可用信息空间中的正交性来表述。我们描述了该方法的两种直观重新解释，使 IGCI 更易于被更广泛的受众理解。此外，我们证明了所描述的独立性与以下假设相关：无监督学习和半监督学习仅对从果预测因有效，反之则无效。
引用
@article{arxiv.1402.2499,
title = {Justifying Information-Geometric Causal Inference},
author = {Dominik Janzing and Bastian Steudel and Naji Shajarisales and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:1402.2499},
year = {2014}
}
备注
3 Figures