混合潜在交絡下での因果発見

この論文は、混合潜在交絡の存在下での因果発見という、未観測因子が観測変数に複雑な影響を与える一般的なシナリオにおける課題に取り組んでいます。提案手法であるDCL-DECORは、精度行列を分解して広範囲にわたる潜在的影響を分離し、相関ノイズDAG学習器を適用するという斬新なアプローチを提供します。モジュール設計と識別可能性の結果は有望であり、実験結果は既存の方法よりも改善を示唆しています。この論文の貢献は、現実的な設定における因果推論のためのより堅牢で正確な方法を提供することにあります。

• •混合潜在交絡下での因果発見のための新しい手法であるDCL-DECORを提案。
• •広範囲にわたる潜在的影響を分離するために、精度行列分解を採用。
• •デコンファウンデッド表現に相関ノイズDAG学習器を適用。
• •合成実験において、既存の方法よりも改善されたパフォーマンスを実証。