通过直接效应分析学习因果响应表征
机器学习
2025-03-07 v1 人工智能
摘要
我们提出了一种学习因果响应表征的新方法。该方法旨在提取多维结果中最直接由处理变量所致的方向。通过将条件独立性检验与因果表征学习相结合，我们构建了一个优化问题，以最大化处理变量与结果在给定条件集合下的条件独立证据。该表述采用针对特定应用场景所优化的灵活回归模型，形成一种通用的框架。通过广义特征分解求解该问题。我们指出，在轻度假设下，最大特征值的分布可由已知的F分布所界定，从而实现可检验的条件独立性。我们还提供了关于所学习表征在信噪比和Fisher信息最大化方面最优性的理论保证。最后，我们在仿真和真实世界实验中展示了该方法的实证有效性。我们的结果凸显了该框架在揭示复杂多变量环境中直接因果效应的实用性。
引用
@article{arxiv.2503.04357,
title = {scDD: Latent Codes Based scRNA-seq Dataset Distillation with Foundation Model Knowledge},
author = {Zhen Yu and Jianan Han and Yang Liu and Qingchao Chen},
journal= {arXiv preprint arXiv:2503.04357},
year = {2025}
}