ScholarGate
Asistente

Descubrimiento y ML causal

8 métodos en esta familia.

Destacados

Algoritmos de descubrimiento causal (PC, FCI, LiNGAM)Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-baseAlgoritmo FCIThe Fast Causal Inference (FCI) algorithm is a constraint-based causal discovery method introduced by Spirtes, Glymour, and Scheines in their landmark 2000 book Causation, PredictiAlgoritmo GESGreedy Equivalence Search (GES) is a score-based algorithm for learning the causal structure of a set of variables from observational data. Introduced by David Maxwell Chickering iEvaluación de Impacto Contrafactual Aumentada por Aprendizaje AutomáticoMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaDiseño de Regresión Discontinua Difusa Aumentado con Aprendizaje AutomáticoML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. WherModelo Estructural Marginal (MSM) Aumentado con Aprendizaje Automático (ML-MSM)The machine learning-augmented marginal structural model combines the causal rigour of Robins et al.'s MSM framework with flexible, data-adaptive ML algorithms for estimating prope

Ruta de lectura

Los métodos fundacionales más referenciados de este tema, en el orden en que se desarrollaron: un punto de partida si eres nuevo aquí.

  1. Algoritmos de descubrimiento causal (PC, FCI, LiNGAM)2000por Spirtes, Glymour & Scheines (PC/FCI); Shimizu et al. (LiNGAM)
  2. Algoritmo FCI2000por Spirtes, Glymour & Scheines
  3. Modelo Estructural Marginal (MSM) Aumentado con Aprendizaje Automático (ML-MSM)2000 (MSM); 2011 (ML-augmented via targeted learning)por Robins, Hernan & Brumback (MSM, 2000); van der Laan & Rose (ML augmentation, TMLE framework, 2011)
  4. Diseño de Regresión Discontinua Difusa Aumentado con Aprendizaje Automático2001 (fuzzy RDD); 2018 (double ML augmentation)por Hahn, Todd & Van der Klaauw (fuzzy RDD); Chernozhukov et al. (ML augmentation framework)
  5. Algoritmo GES2002por David Maxwell Chickering
  6. Estimación Dirigida de Máxima Verosimilitud (TMLE)2006por Mark van der Laan & Daniel Rubin
  7. Evaluación de Impacto Contrafactual Aumentada por Aprendizaje Automático2016-2019por Chernozhukov et al.; Athey & Imbens
  8. NOTEARS: Optimización Continua para el Aprendizaje de Estructuras Causales2018por Zheng, Aragam, Ravikumar & Xing

Todos los métodos 8

Algoritmos de descubrimiento causal (PC, FCI, LiNGAM)Algoritmo FCIAlgoritmo GESEvaluación de Impacto Contrafactual Aumentada por Aprendizaje AutomáticoDiseño de Regresión Discontinua Difusa Aumentado con Aprendizaje AutomáticoModelo Estructural Marginal (MSM) Aumentado con Aprendizaje Automático (ML-MSM)NOTEARS: Optimización Continua para el Aprendizaje de Estructuras CausalesEstimación Dirigida de Máxima Verosimilitud (TMLE)