Buchumschlag

A General Causal Inference Framework for Cross-Sectional Observational Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Yonghe, Sun, Huiyan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

De-confounding Representation Learning for Counterfactual Inference on Continuous Treatment via Generative Adversarial Network
von: Zhao, Yonghe, et al.
Veröffentlicht: (2023)

Federated Causal Inference from Observational Data
von: Vo, Thanh Vinh, et al.
Veröffentlicht: (2023)

Generative Synthetic Data for Causal Inference: Pitfalls, Remedies, and Opportunities
von: Xu, Yichen
Veröffentlicht: (2026)

Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version)
von: Filter, Björn, et al.
Veröffentlicht: (2024)

Optimizing Feature Selection in Causal Inference: A Three-Stage Computational Framework for Unbiased Estimation
von: Yang, Tianyu, et al.
Veröffentlicht: (2025)

Marginal Causal Flows for Validation and Inference
von: Manela, Daniel de Vassimon, et al.
Veröffentlicht: (2024)

Towards Causal Foundation Model: on Duality between Causal Inference and Attention
von: Zhang, Jiaqi, et al.
Veröffentlicht: (2023)

Teleporter Theory: A General and Simple Approach for Modeling Cross-World Counterfactual Causality
von: Li, Jiangmeng, et al.
Veröffentlicht: (2024)

Multi-Band Variable-Lag Granger Causality: A Unified Framework for Causal Time Series Inference across Frequencies
von: Sookkongwaree, Chakattrai, et al.
Veröffentlicht: (2025)

CausalGuard: Conformal Inference under Graph Uncertainty
von: Singh, Vikash, et al.
Veröffentlicht: (2026)

Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing
von: Sun, Rongyi, et al.
Veröffentlicht: (2026)

Modular Learning of Deep Causal Generative Models for High-dimensional Causal Inference
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2024)

TRIALSCOPE: A Unifying Causal Framework for Scaling Real-World Evidence Generation with Biomedical Language Models
von: González, Javier, et al.
Veröffentlicht: (2023)

A Causal Framework for Evaluating ICU Discharge Strategies
von: Simha, Sagar Nagaraj, et al.
Veröffentlicht: (2026)

Effective Bayesian Causal Inference via Structural Marginalisation and Autoregressive Orders
von: Toth, Christian, et al.
Veröffentlicht: (2024)

ABC3: Active Bayesian Causal Inference with Cohn Criteria in Randomized Experiments
von: Cha, Taehun, et al.
Veröffentlicht: (2024)

Causal Diffusion Autoencoders: Toward Counterfactual Generation via Diffusion Probabilistic Models
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2024)

Disentangle Estimation of Causal Effects from Cross-Silo Data
von: Liu, Yuxuan, et al.
Veröffentlicht: (2024)

Estimating and Mitigating the Congestion Effect of Curbside Pick-ups and Drop-offs: A Causal Inference Approach
von: Liu, Xiaohui, et al.
Veröffentlicht: (2022)

Generative Augmented Inference
von: Lu, Cheng, et al.
Veröffentlicht: (2026)

Causal Preference Elicitation
von: Bonilla, Edwin V., et al.
Veröffentlicht: (2026)

When Should an AI Workflow Release? Always-Valid Inference for Black-Box Generate-Verify Systems
von: Cho, Young Hyun, et al.
Veröffentlicht: (2026)

Predicting Cellular Responses with Variational Causal Inference and Refined Relational Information
von: Wu, Yulun, et al.
Veröffentlicht: (2022)

Black Box Causal Inference: Effect Estimation via Meta Prediction
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2025)

A Data-Driven Two-Phase Multi-Split Causal Ensemble Model for Time Series
von: Ma, Zhipeng, et al.
Veröffentlicht: (2024)

From What Ifs to Insights: Counterfactuals in Causal Inference vs. Explainable AI
von: Shmueli, Galit, et al.
Veröffentlicht: (2025)

Shapley-PC: Constraint-based Causal Structure Learning with a Shapley Inspired Framework
von: Russo, Fabrizio, et al.
Veröffentlicht: (2023)

Unsupervised Pairwise Causal Discovery on Heterogeneous Data using Mutual Information Measures
von: Trilla, Alexandre, et al.
Veröffentlicht: (2024)

Towards Interpretable Deep Generative Models via Causal Representation Learning
von: Moran, Gemma E., et al.
Veröffentlicht: (2025)

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

Integrating Large Language Models in Causal Discovery: A Statistical Causal Approach
von: Takayama, Masayuki, et al.
Veröffentlicht: (2024)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Exploring Multi-Modal Data with Tool-Augmented LLM Agents for Precise Causal Discovery
von: Shen, ChengAo, et al.
Veröffentlicht: (2024)

RealTCD: Temporal Causal Discovery from Interventional Data with Large Language Model
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

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

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

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

TTCD:Transformer Integrated Temporal Causal Discovery from Non-Stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2026)

A Two-Stage Feature Selection Approach for Robust Evaluation of Treatment Effects in High-Dimensional Observational Data
von: Islam, Md Saiful, et al.
Veröffentlicht: (2021)

Language Agents Meet Causality -- Bridging LLMs and Causal World Models
von: Gkountouras, John, et al.
Veröffentlicht: (2024)