Buchumschlag

On Learning Causal Structures from Non-Experimental Data without Any Faithfulness Assumption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Hanti, Zhang, Jiji
Format:	Preprint
Veröffentlicht:	2018
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unified Inductive Logic: From Formal Learning to Statistical Inference to Supervised Learning
von: Lin, Hanti
Veröffentlicht: (2024)

Scientific Realism vs. Anti-Realism: Toward a Common Ground
von: Lin, Hanti
Veröffentlicht: (2024)

Convergence to the Truth
von: Lin, Hanti
Veröffentlicht: (2024)

Graphical Modelling without Independence Assumptions for Uncentered Data
von: Andrew, Bailey, et al.
Veröffentlicht: (2024)

Frugal, Flexible, Faithful: Causal Data Simulation via Frengression
von: Yang, Linying, et al.
Veröffentlicht: (2025)

TS-CausalNN: Learning Temporal Causal Relations from Non-linear Non-stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2024)

The Logic of Counterfactuals and the Epistemology of Causal Inference
von: Lin, Hanti
Veröffentlicht: (2024)

Reinforcement Learning for Causal Discovery without Acyclicity Constraints
von: Duong, Bao, et al.
Veröffentlicht: (2024)

Assumption-Lean and Data-Adaptive Post-Prediction Inference
von: Miao, Jiacheng, et al.
Veröffentlicht: (2023)

Never Too LATE: A Fully Stochastic Update to the Potential Outcome Framework
von: Lin, Hanti
Veröffentlicht: (2026)

Cross-Validated Causal Inference: a Modern Method to Combine Experimental and Observational Data
von: Yang, Xuelin, et al.
Veröffentlicht: (2025)

Integrating Active Learning in Causal Inference with Interference: A Novel Approach in Online Experiments
von: Zhu, Hongtao, et al.
Veröffentlicht: (2024)

Robustness of Algorithms for Causal Structure Learning to Hyperparameter Choice
von: Machlanski, Damian, et al.
Veröffentlicht: (2023)

Introducing Diminutive Causal Structure into Graph Representation Learning
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Conditional Generative Models are Sufficient to Sample from Any Causal Effect Estimand
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2024)

Differentiable Structure Learning and Causal Discovery for General Binary Data
von: Deng, Chang, et al.
Veröffentlicht: (2025)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Self-Compatibility: Evaluating Causal Discovery without Ground Truth
von: Faller, Philipp M., et al.
Veröffentlicht: (2023)

Characterization and Learning of Causal Graphs with Latent Confounders and Post-treatment Selection from Interventional Data
von: Luo, Gongxu, et al.
Veröffentlicht: (2025)

A Causal Lens for Evaluating Faithfulness Metrics
von: Zaman, Kerem, et al.
Veröffentlicht: (2025)

Goal-Oriented Sequential Bayesian Experimental Design for Causal Learning
von: Zhang, Zheyu, et al.
Veröffentlicht: (2025)

Multi-modal Causal Structure Learning and Root Cause Analysis
von: Zheng, Lecheng, et al.
Veröffentlicht: (2024)

Adjustment Identification Distance: A gadjid for Causal Structure Learning
von: Henckel, Leonard, et al.
Veröffentlicht: (2024)

Structure Maintained Representation Learning Neural Network for Causal Inference
von: Sun, Yang, et al.
Veröffentlicht: (2025)

Causal Discovery of Linear Non-Gaussian Causal Models with Unobserved Confounding
von: Schkoda, Daniela, et al.
Veröffentlicht: (2024)

Frequentist Statistics as Internalist Reliabilism
von: Lin, Hanti
Veröffentlicht: (2024)

Learning Causal Abstractions of Linear Structural Causal Models
von: Massidda, Riccardo, et al.
Veröffentlicht: (2024)

Discrete Causal Representation Learning
von: Zhang, Wenjin, et al.
Veröffentlicht: (2026)

Structural Causality-based Generalizable Concept Discovery Models
von: Sinha, Sanchit, et al.
Veröffentlicht: (2024)

Causal de Finetti: On the Identification of Invariant Causal Structure in Exchangeable Data
von: Guo, Siyuan, et al.
Veröffentlicht: (2022)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

Do Finetti: On Causal Effects for Exchangeable Data
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

Feature Matching Intervention: Leveraging Observational Data for Causal Representation Learning
von: Li, Haoze, et al.
Veröffentlicht: (2025)

A Unified Framework for Structure-Aware Clustering and Heterogeneous Causal Graph Learning
von: Du, Honglin, et al.
Veröffentlicht: (2026)

Causal Message Passing for Experiments with Unknown and General Network Interference
von: Shirani, Sadegh, et al.
Veröffentlicht: (2023)

Choice of Scoring Rules for Indirect Elicitation of Properties with Parametric Assumptions
von: Hu, Lingfang, et al.
Veröffentlicht: (2025)

Causal Temporal Regime Structure Learning
von: Rahmani, Abdellah, et al.
Veröffentlicht: (2023)

Centrum: Model-based Database Auto-tuning with Minimal Distributional Assumptions
von: Lai, Yuanhao, et al.
Veröffentlicht: (2025)

An Experimental Design for Anytime-Valid Causal Inference on Multi-Armed Bandits
von: Liang, Biyonka, et al.
Veröffentlicht: (2023)

$t$-Testing the Waters: Empirically Validating Assumptions for Reliable A/B-Testing
von: Jeunen, Olivier
Veröffentlicht: (2025)