ScholarGate
Assistent

Kausal upptäckt & kausal ML

8 metoder i denna familj.

I urval

Algoritmer för kausal upptäckt (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-baseFCI-algoritmenThe Fast Causal Inference (FCI) algorithm is a constraint-based causal discovery method introduced by Spirtes, Glymour, and Scheines in their landmark 2000 book Causation, PredictiGES-algoritmenGreedy 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 iMaskininlärningsförstärkt kontrafaktisk effektutvärderingMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaMaskininlärningsförstärkt fuzzy regressionsdiskontinuitetsdesignML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. WherMaskininlärningsförstärkt marginalstrukturell modell (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

Läsväg

Det här ämnets mest refererade grundläggande metoder, i den ordning de utvecklades — en bra startpunkt om du är ny här.

  1. Algoritmer för kausal upptäckt (PC, FCI, LiNGAM)2000av Spirtes, Glymour & Scheines (PC/FCI); Shimizu et al. (LiNGAM)
  2. FCI-algoritmen2000av Spirtes, Glymour & Scheines
  3. Maskininlärningsförstärkt marginalstrukturell modell (ML-MSM)2000 (MSM); 2011 (ML-augmented via targeted learning)av Robins, Hernan & Brumback (MSM, 2000); van der Laan & Rose (ML augmentation, TMLE framework, 2011)
  4. Maskininlärningsförstärkt fuzzy regressionsdiskontinuitetsdesign2001 (fuzzy RDD); 2018 (double ML augmentation)av Hahn, Todd & Van der Klaauw (fuzzy RDD); Chernozhukov et al. (ML augmentation framework)
  5. GES-algoritmen2002av David Maxwell Chickering
  6. Targeted Maximum Likelihood Estimation (TMLE)2006av Mark van der Laan & Daniel Rubin
  7. Maskininlärningsförstärkt kontrafaktisk effektutvärdering2016-2019av Chernozhukov et al.; Athey & Imbens
  8. NOTEARS: Kontinuerlig optimering för kausal strukturinlärning2018av Zheng, Aragam, Ravikumar & Xing

Alla metoder 8

Algoritmer för kausal upptäckt (PC, FCI, LiNGAM)FCI-algoritmenGES-algoritmenMaskininlärningsförstärkt kontrafaktisk effektutvärderingMaskininlärningsförstärkt fuzzy regressionsdiskontinuitetsdesignMaskininlärningsförstärkt marginalstrukturell modell (ML-MSM)NOTEARS: Kontinuerlig optimering för kausal strukturinlärningTargeted Maximum Likelihood Estimation (TMLE)