具有潜在混杂的噪声-OR模型
机器学习
2012-02-20 v1 机器学习
摘要
给定一组实验，其中观察变量的不同子集受到干预，我们考虑存在潜在混杂的因果模型的可识别性问题。当每个实验干预大量变量时，可识别性是平凡的，但当每个实验只干预一个或少数变量时，情况更为复杂。对于具有潜在变量的线性因果模型，Hyttinen等人（2010）给出了此类数据足以识别完整模型的精确条件。虽然他们的结果不能扩展到具有任意因果关系的离散值变量，但我们表明，对于条件概率分布被限制为“噪声-OR”参数化的因果模型类，可以获得类似的结果。我们进一步表明，在允许负影响的模型扩展下，识别性得以保持，并提出了我们测试准确性、可扩展性和鲁棒性的学习算法。
引用
@article{arxiv.1202.3735,
title = {Noisy-OR Models with Latent Confounding},
author = {Antti Hyttinen and Frederick Eberhardt and Patrik O. Hoyer},
journal= {arXiv preprint arXiv:1202.3735},
year = {2012}
}