ScholarGate
Assistant

Découverte et ML causal

8 méthodes dans cette famille.

À la une

Algorithmes de découverte causale (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-baseAlgorithme 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, PredictiAlgorithme 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 iÉvaluation d'impact contrefactuelle augmentée par l'apprentissage automatiqueMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaMachine Learning-Augmented Fuzzy Regression DiscontinuityML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. WherModèle structurel marginal augmenté par apprentissage automatique (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

Parcours de lecture

Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.

  1. Algorithmes de découverte causale (PC, FCI, LiNGAM)2000par Spirtes, Glymour & Scheines (PC/FCI); Shimizu et al. (LiNGAM)
  2. Algorithme FCI2000par Spirtes, Glymour & Scheines
  3. Modèle structurel marginal augmenté par apprentissage automatique (ML-MSM)2000 (MSM); 2011 (ML-augmented via targeted learning)par Robins, Hernan & Brumback (MSM, 2000); van der Laan & Rose (ML augmentation, TMLE framework, 2011)
  4. Machine Learning-Augmented Fuzzy Regression Discontinuity2001 (fuzzy RDD); 2018 (double ML augmentation)par Hahn, Todd & Van der Klaauw (fuzzy RDD); Chernozhukov et al. (ML augmentation framework)
  5. Algorithme GES2002par David Maxwell Chickering
  6. Estimation ciblée du maximum de vraisemblance (TMLE)2006par Mark van der Laan & Daniel Rubin
  7. Évaluation d'impact contrefactuelle augmentée par l'apprentissage automatique2016-2019par Chernozhukov et al.; Athey & Imbens
  8. NOTEARS : Optimisation Continue pour l'Apprentissage de Structures Causales2018par Zheng, Aragam, Ravikumar & Xing

Toutes les méthodes 8

Algorithmes de découverte causale (PC, FCI, LiNGAM)Algorithme FCIAlgorithme GESÉvaluation d'impact contrefactuelle augmentée par l'apprentissage automatiqueMachine Learning-Augmented Fuzzy Regression DiscontinuityModèle structurel marginal augmenté par apprentissage automatique (ML-MSM)NOTEARS : Optimisation Continue pour l'Apprentissage de Structures CausalesEstimation ciblée du maximum de vraisemblance (TMLE)