具有加性父代因果关系的结构复杂数据集
机器学习
2023-04-28 v1 机器学习
摘要
因果数据集在推动因果性领域发展中发挥着关键作用。然而，现有数据集往往缺乏现实世界问题的复杂性，如选择偏差、不忠实数据和混杂。为了弥补这一空白，我们提出了一个新的合成因果数据集，即具有加性父代因果关系的结构复杂数据集，其包含以下特征。该数据集包含 40 个场景，每个场景使用三个不同的随机种子生成，允许研究人员利用数据集的相关子集。此外，我们使用两种不同的数据生成机制来生成父节点与子节点之间的因果关系，包括具有多种子类型的线性和混合因果机制。我们的数据集生成器受 Causal Discovery toolbox 启发，仅生成加性模型。该数据集的 Varsortability 为 0.5。我们的 SCARY 数据集为研究人员在更现实的场景下探索因果发现提供了宝贵资源。该数据集可在 https://github.com/JayJayc/SCARY 获取。
引用
@article{arxiv.2304.14109,
title = {The Structurally Complex with Additive Parent Causality (SCARY) Dataset},
author = {Jarry Chen and Haytham M. Fayek},
journal= {arXiv preprint arXiv:2304.14109},
year = {2023}
}
备注
5 pages, 5 figures, accepted to CLeaR (Causal Learning and Reasoning) 2023