穿过屋顶的得分匹配：线性、非线性和潜变量因果发现
机器学习
2025-03-25 v2 人工智能
统计方法学
摘要
从观察数据中进行因果发现具有巨大的潜力，但现有方法依赖于关于底层因果结构的强假设，通常需要对所有相关变量完全可观测。我们通过利用观察变量的得分函数 来进行因果发现，并提出以下贡献。首先，我们对基于加性噪声模型的得分进行微调，表明其对因果机制非线性的假设并非必需。其次，我们建立了从得分中推断隐藏变量存在下的因果关系的条件；这一结果具有两面性：我们展示了得分用于推断具有隐藏变量的因果图等价类的潜力（而以前的结果仅限于完全可观测的设置），并提供了在潜变量模型中识别直接原因的充分条件。基于这些见解，我们提出了一种适用于线性、非线性和潜变量模型的灵活算法，并对其进行了经验验证。
引用
@article{arxiv.2407.18755,
title = {Score matching through the roof: linear, nonlinear, and latent variables causal discovery},
author = {Francesco Montagna and Philipp M. Faller and Patrick Bloebaum and Elke Kirschbaum and Francesco Locatello},
journal= {arXiv preprint arXiv:2407.18755},
year = {2025}
}