复杂因果的操作化：一种实用的中介观
机器学习
2021-06-11 v2 统计方法学
摘要
我们研究复杂对象（如文本、图像、基因组学）的因果响应估计问题。在此情形下，经典的\emph{原子}干预通常不可用（例如对字符、像素、DNA 碱基对的改动）。相反，我们只能获得间接或\emph{粗略}干预（例如参加写作项目、修改场景、应用基因疗法）。本工作中，我们形式化了该问题并给出初步解决方案。给定一组候选中介，我们提出（a）一种用于预测粗略干预因果响应的两步法；以及（b）一种用于识别粗略干预中介的检验过程。在一系列模拟与受真实世界启发的示例上，我们展示了该方法使我们能够以来自新处理机制的有限数据高效估计粗略干预的效应。
引用
@article{arxiv.2106.05074,
title = {Operationalizing Complex Causes: A Pragmatic View of Mediation},
author = {Limor Gultchin and David S. Watson and Matt J. Kusner and Ricardo Silva},
journal= {arXiv preprint arXiv:2106.05074},
year = {2021}
}