基于观测与实验数据的部分反事实识别
人工智能
2021-10-13 v1
摘要
本文研究从任意一组观测分布和实验分布以及以因果图形式表示的关于底层数据生成模型的定性知识出发，对反事实查询进行界定的问题。我们证明，任意结构因果模型（SCM）中的所有反事实分布均可由一个具有相同因果图的规范SCM族生成，其中未观测（外生）变量为有限域上的离散变量。利用规范SCM，我们将反事实界定问题转化为多项式规划问题，其解给出反事实查询的最优界。求解此类多项式规划通常在计算上代价高昂。因此我们开发了有效的蒙特卡洛算法，从任意组合的观测与实验数据中近似最优界。我们的算法在合成和真实世界数据集上得到了广泛验证。
引用
@article{arxiv.2110.05690,
title = {Partial Counterfactual Identification from Observational and Experimental Data},
author = {Junzhe Zhang and Jin Tian and Elias Bareinboim},
journal= {arXiv preprint arXiv:2110.05690},
year = {2021}
}