从有限总体数据学习因果概率
机器学习
2022-10-18 v1 人工智能
统计方法学
摘要
本文研究在给定有限总体数据下学习子群体因果概率的问题。Tian和Pearl推导了三种基本因果概率的紧界：必要且充分概率（PNS）、充分概率（PS）和必要概率（PN）。然而，获取每个子群体的界需要该子群体的实验与观测分布，在有限总体数据下通常难以估计。我们提出一种机器学习模型，可在给定有限总体数据时帮助学习子群体因果概率的界。进一步通过模拟研究说明，该机器学习模型仅从有限总体数据中获知约500个子群体，便能学习到32768个子群体的PNS界。
引用
@article{arxiv.2210.08453,
title = {Learning Probabilities of Causation from Finite Population Data},
author = {Ang Li and Song Jiang and Yizhou Sun and Judea Pearl},
journal= {arXiv preprint arXiv:2210.08453},
year = {2022}
}