通过深度生成模型学习结构因果模型：方法、保证与挑战
机器学习
2025-02-04 v1 机器学习
摘要
本文对深度结构因果模型（DSCM）进行了全面综述，特别关注其在已知因果结构下利用观测数据回答反事实查询的能力。本文通过分析底层深度学习组件与结构因果模型所固有的假设、保证和应用，深入探讨了 DSCM 的特性，从而促进对其在处理不同反事实查询时的能力与局限性的更深入理解。此外，本文还突出了深度结构因果建模领域中的挑战与开放问题。它为研究人员确定未来工作方向奠定了基础，也为从业者提供了概览，以便为其需求找到最合适的方法。
引用
@article{arxiv.2405.05025,
title = {Learning Structural Causal Models through Deep Generative Models: Methods, Guarantees, and Challenges},
author = {Audrey Poinsot and Alessandro Leite and Nicolas Chesneau and Michèle Sébag and Marc Schoenauer},
journal= {arXiv preprint arXiv:2405.05025},
year = {2025}
}
备注
Accepted to the 33rd International Joint Conference on Artificial Intelligence