Buchumschlag

Local Causal Discovery for Estimating Causal Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, Shantanu, Childers, David, Lipton, Zachary C.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Local Discovery by Partitioning: Polynomial-Time Causal Discovery Around Exposure-Outcome Pairs
von: Maasch, Jacqueline, et al.
Veröffentlicht: (2023)

Online Data Collection for Efficient Semiparametric Inference
von: Gupta, Shantanu, et al.
Veröffentlicht: (2024)

Causal-learn: Causal Discovery in Python
von: Zheng, Yujia, et al.
Veröffentlicht: (2023)

Stable Differentiable Causal Discovery
von: Nazaret, Achille, et al.
Veröffentlicht: (2023)

The Landscape of Causal Discovery Data: Grounding Causal Discovery in Real-World Applications
von: Brouillard, Philippe, et al.
Veröffentlicht: (2024)

CausalFormer: An Interpretable Transformer for Temporal Causal Discovery
von: Kong, Lingbai, et al.
Veröffentlicht: (2024)

The Amenability Framework: Rethinking Causal Ordering Without Estimating Causal Effects
von: Fernández-Loría, Carlos, et al.
Veröffentlicht: (2025)

Causal Graph Aided Causal Discovery in an Observational Aneurysmal Subarachnoid Hemorrhage Study
von: Berzuini, Carlo, et al.
Veröffentlicht: (2024)

Compositional Models for Estimating Causal Effects
von: Pruthi, Purva, et al.
Veröffentlicht: (2024)

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

Causal Effect Estimation with Learned Instrument Representations
von: Dean, Frances, et al.
Veröffentlicht: (2026)

Conditional Local Independence Testing for Itô processes with Applications to Dynamic Causal Discovery
von: Liu, Mingzhou, et al.
Veröffentlicht: (2025)

Valid Inference After Causal Discovery
von: Gradu, Paula, et al.
Veröffentlicht: (2022)

Nonlinear Causal Discovery for Grouped Data
von: Göbler, Konstantin, et al.
Veröffentlicht: (2025)

Causal Discovery on Dependent Binary Data
von: Chen, Alex, et al.
Veröffentlicht: (2024)

Causal Discovery Under Local Privacy
von: Binkytė, Rūta, et al.
Veröffentlicht: (2023)

Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2020)

The Challenges of Hyperparameter Tuning for Accurate Causal Effect Estimation
von: Machlanski, Damian, et al.
Veröffentlicht: (2023)

Considerations for Estimating Causal Effects of Informatively Timed Treatments
von: Oganisian, Arman
Veröffentlicht: (2025)

Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
von: Clivio, Oscar, et al.
Veröffentlicht: (2026)

A Stable and Efficient Covariate-Balancing Estimator for Causal Survival Effects
von: Pham, Khiem, et al.
Veröffentlicht: (2023)

Multi-Domain Causal Discovery in Bijective Causal Models
von: Jalaldoust, Kasra, et al.
Veröffentlicht: (2025)

Amortized Causal Discovery with Prior-Fitted Networks
von: Sypniewski, Mateusz, et al.
Veröffentlicht: (2025)

Hierarchical Bias-Driven Stratification for Interpretable Causal Effect Estimation
von: Ter-Minassian, Lucile, et al.
Veröffentlicht: (2024)

Transfer Learning for Causal Effect Estimation
von: Wei, Song, et al.
Veröffentlicht: (2023)

Topological Causal Effects
von: Kim, Kwangho, et al.
Veröffentlicht: (2026)

Optimization-based Causal Estimation from Heterogenous Environments
von: Yin, Mingzhang, et al.
Veröffentlicht: (2021)

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

Causal Discovery and Classification Using Lempel-Ziv Complexity
von: Dhruthi, et al.
Veröffentlicht: (2024)

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

A Meta-Learning Approach to Bayesian Causal Discovery
von: Dhir, Anish, et al.
Veröffentlicht: (2024)

Differentiable Cyclic Causal Discovery Under Unmeasured Confounders
von: Sethuraman, Muralikrishnna G., et al.
Veröffentlicht: (2025)

Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding
von: Hafer, Marlies, et al.
Veröffentlicht: (2025)

Estimating Bidirectional Causal Effects with Large Scale Online Kernel Learning
von: Tanaka, Masahiro
Veröffentlicht: (2025)

RepFlow: Representation Enhanced Flow Matching for Causal Effect Estimation
von: Xie, Yifei, et al.
Veröffentlicht: (2026)

Invariant Causal Prediction with Local Models
von: Mey, Alexander, et al.
Veröffentlicht: (2024)

Causal SHAP: Feature Attribution with Dependency Awareness through Causal Discovery
von: Ng, Woon Yee, et al.
Veröffentlicht: (2025)

Undersmoothing Causal Estimators with Generative Trees
von: Machlanski, Damian, et al.
Veröffentlicht: (2022)

Causal Discovery via Conditional Independence Testing with Proxy Variables
von: Liu, Mingzhou, et al.
Veröffentlicht: (2023)

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