Buchumschlag

Feature Attribution with Necessity and Sufficiency via Dual-stage Perturbation Test for Causal Explanation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Xuexin, Cai, Ruichu, Huang, Zhengting, Zhu, Yuxuan, Horwood, Julien, Hao, Zhifeng, Li, Zijian, Hernandez-Lobato, Jose Miguel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unifying Invariant and Variant Features for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Unifying Invariance and Spuriousity for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

On the Probability of Necessity and Sufficiency of Explaining Graph Neural Networks: A Lower Bound Optimization Approach
von: Cai, Ruichu, et al.
Veröffentlicht: (2022)

Causal Sufficiency and Necessity Improves Chain-of-Thought Reasoning
von: Yu, Xiangning, et al.
Veröffentlicht: (2025)

Towards Identifiability of Hierarchical Temporal Causal Representation Learning
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Time Series Domain Adaptation via Latent Invariant Causal Mechanism
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Interpretable High-order Knowledge Graph Neural Network for Predicting Synthetic Lethality in Human Cancers
von: Chen, Xuexin, et al.
Veröffentlicht: (2025)

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

Long-term Causal Inference via Modeling Sequential Latent Confounding
von: Chen, Weilin, et al.
Veröffentlicht: (2025)

Probabilistic Modelling is Sufficient for Causal Inference
von: Mlodozeniec, Bruno, et al.
Veröffentlicht: (2025)

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

Temporal Latent Variable Structural Causal Model for Causal Discovery under External Interferences
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2023)

Perturbed Double Machine Learning: Nonstandard Inference Beyond the Parametric Length
von: Zheng, Mengchu, et al.
Veröffentlicht: (2025)

Mixstyle-Entropy: Domain Generalization with Causal Intervention and Perturbation
von: Tang, Luyao, et al.
Veröffentlicht: (2024)

Testing Multivariate Conditional Independence Using Exchangeable Sampling and Sufficient Statistics
von: Lin, Xiaotong, et al.
Veröffentlicht: (2025)

Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models
von: Kuskova, Valentina, et al.
Veröffentlicht: (2026)

Testing Causal Explanations: A Case Study for Understanding the Effect of Interventions on Chronic Kidney Disease
von: Petousis, Panayiotis, et al.
Veröffentlicht: (2024)

Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure
von: Wang, Xiaoya, et al.
Veröffentlicht: (2025)

Seeking the Sufficiency and Necessity Causal Features in Multimodal Representation Learning
von: Chen, Boyu, et al.
Veröffentlicht: (2024)

Statistical and Causal Robustness for Causal Null Hypothesis Tests
von: Yang, Junhui, et al.
Veröffentlicht: (2023)

Multiply-Robust Causal Change Attribution
von: Quintas-Martinez, Victor, et al.
Veröffentlicht: (2024)

Linking Model Intervention to Causal Interpretation in Model Explanation
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

Enhancing Causal Reasoning in Large Language Models: A Causal Attribution Model for Precision Fine-Tuning
von: Cai, Hengrui, et al.
Veröffentlicht: (2023)

Bayesian Covariate-Dependent Graph Learning with a Dual Group Spike-and-Slab Prior
von: Zeng, Zijian, et al.
Veröffentlicht: (2024)

Where and How to Attack? A Causality-Inspired Recipe for Generating Counterfactual Adversarial Examples
von: Cai, Ruichu, et al.
Veröffentlicht: (2023)

Automating the Selection of Proxy Variables of Unmeasured Confounders
von: Xie, Feng, et al.
Veröffentlicht: (2024)

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

Towards Complete Causal Explanation with Expert Knowledge
von: Venkateswaran, Aparajithan, et al.
Veröffentlicht: (2024)

Minimum Specification Perturbation: Robustness as Distance-to-Falsification in Causal Inference
von: Dang, Hoang, et al.
Veröffentlicht: (2026)

Unified Distributed Estimation Framework for Sufficient Dimension Reduction Based on Conditional Moments
von: Li, Hongying, et al.
Veröffentlicht: (2025)

Fisher's Randomization Test for Causality with General Types of Treatments
von: Zhong, Zhen
Veröffentlicht: (2025)

Semiparametric Efficient Inference for the Probability of Necessary and Sufficient Causation
von: Tian, Zhaoqing, et al.
Veröffentlicht: (2024)

Minimum Average Deviance Estimation for Sufficient Dimension Reduction
von: Adragni, Kofi P., et al.
Veröffentlicht: (2016)

The Sufficient and Necessary Condition for the Identifiability and Estimability of the DINA Model
von: Gu, Yuqi, et al.
Veröffentlicht: (2017)

CausalArmor: Efficient Indirect Prompt Injection Guardrails via Causal Attribution
von: Kim, Minbeom, et al.
Veröffentlicht: (2026)

DCRMTA: Unbiased Causal Representation for Multi-touch Attribution
von: Tang, Jiaming
Veröffentlicht: (2024)

Robust Sufficient Dimension Reduction via $α$-Distance Covariance
von: Huang, Hsin-Hsiung, et al.
Veröffentlicht: (2024)

Testing Partially-Identifiable Causal Queries Using Ternary Tests
von: Bhadane, Sourbh, et al.
Veröffentlicht: (2026)

When Is Causal Inference Possible? A Statistical Test for Unmeasured Confounding
von: Liu, Muye, et al.
Veröffentlicht: (2025)