通过 MAXENT 合并数据集获取因果信息
统计方法学
2022-02-28 v2 机器学习
摘要
“哪种处理对目标变量具有因果效应？”这一问题的研究在大量科学学科中尤为重要。如果并非所有处理变量都曾或甚至无法与目标变量联合观测，这一挑战性任务将变得更加困难。另一个同样重要且具挑战性的任务是在存在混杂因素的情况下量化处理对目标的因果影响。在本文中，我们讨论如何在不联合观测所有变量的情况下，而是通过合并来自不同数据集的统计信息来获取因果知识。我们展示了在假设因果充分性和忠实性的扩展版本，且仅有变量子集被联合观测时，如何利用最大熵原理识别随机变量之间的边。
引用
@article{arxiv.2107.07640,
title = {Obtaining Causal Information by Merging Datasets with MAXENT},
author = {Sergio Hernan Garrido Mejia and Elke Kirschbaum and Dominik Janzing},
journal= {arXiv preprint arXiv:2107.07640},
year = {2022}
}