Copertina

A Latent Causal Inference Framework for Ordinal Variables

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Scauda, Martina, Kuipers, Jack, Moffa, Giusi
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Bayesian Causal Inference with Gaussian Process Networks
di: Giudice, Enrico, et al.
Pubblicazione: (2024)

A Bayesian Take on Gaussian Process Networks
di: Giudice, Enrico, et al.
Pubblicazione: (2023)

Correcting for confounding in longitudinal experiments: positioning non-linear mixed effects modeling as implementation of standardization using latent conditional exchangeability
di: Bartels, Christian, et al.
Pubblicazione: (2024)

A new way to evaluate G-Wishart normalising constants via Fourier analysis
di: Wong, Ching, et al.
Pubblicazione: (2024)

Exact discovery is polynomial for certain sparse causal Bayesian networks
di: Rios, Felix L., et al.
Pubblicazione: (2024)

Causal Inference with Latent Variables: Recent Advances and Future Prospectives
di: Zhu, Yaochen, et al.
Pubblicazione: (2024)

The covariance of causal effect estimators for binary v-structures
di: Kuipers, Jack, et al.
Pubblicazione: (2025)

Goodness-of-Fit Tests for Latent Class Models with Ordinal Categorical Data
di: Qing, Huan
Pubblicazione: (2026)

Doubly Robust Inference in Causal Latent Factor Models
di: Abadie, Alberto, et al.
Pubblicazione: (2024)

Causal Effect Estimation using identifiable Variational AutoEncoder with Latent Confounders and Post-Treatment Variables
di: Xie, Yang, et al.
Pubblicazione: (2024)

A Causal Inference Framework for Data Rich Environments
di: Abadie, Alberto, et al.
Pubblicazione: (2025)

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

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

Scaling Up Bayesian DAG Sampling
di: Nikzad, Daniele, et al.
Pubblicazione: (2025)

Synthetic Combinations: A Causal Inference Framework for Combinatorial Interventions
di: Agarwal, Abhineet, et al.
Pubblicazione: (2023)

GST-UNet: A Neural Framework for Spatiotemporal Causal Inference with Time-Varying Confounding
di: Oprescu, Miruna, et al.
Pubblicazione: (2025)

Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework
di: Schröder, Maresa, et al.
Pubblicazione: (2026)

A Semiparametric Approach to Causal Inference
di: Zhang, Archer Gong, et al.
Pubblicazione: (2024)

Classifier Pooling for Modern Ordinal Classification
di: Rotenberg, Noam H., et al.
Pubblicazione: (2026)

Conformal Risk Control for Ordinal Classification
di: Xu, Yunpeng, et al.
Pubblicazione: (2024)

Ordinal Mixed-Effects Random Forest
di: Bergonzoli, Giulia, et al.
Pubblicazione: (2024)

Causal Inference with the "Napkin Graph"
di: Guo, Anna, et al.
Pubblicazione: (2025)

Causal Inference with Complex Treatments: A Survey
di: Wang, Yingrong, et al.
Pubblicazione: (2024)

Distribution-free Conformal Prediction for Ordinal Classification
di: Chakraborty, Subhrasish, et al.
Pubblicazione: (2024)

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

Valid Inference After Causal Discovery
di: Gradu, Paula, et al.
Pubblicazione: (2022)

Controllable Generative Sandbox for Causal Inference
di: Zhang, Qi, et al.
Pubblicazione: (2026)

Identifiable Deep Latent Variable Models for MNAR Data
di: Xie, Huiming, et al.
Pubblicazione: (2026)

MOCA: A Transformer-based Modular Causal Inference Framework with One-way Cross-attention and Cutting Feedback
di: Wang, Lei, et al.
Pubblicazione: (2026)

A General Causal Inference Framework for Cross-Sectional Observational Data
di: Zhao, Yonghe, et al.
Pubblicazione: (2024)

Coarsening Bias from Variable Discretization in Causal Functionals
di: Ou, Xiaxian, et al.
Pubblicazione: (2026)

Causal Effect Identification in LiNGAM Models with Latent Confounders
di: Tramontano, Daniele, et al.
Pubblicazione: (2024)

Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models
di: Zhou, Zeyu, et al.
Pubblicazione: (2023)

A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
di: Chen, Yehu, et al.
Pubblicazione: (2025)

HNCI: High-Dimensional Network Causal Inference
di: Du, Wenqin, et al.
Pubblicazione: (2024)

An Overview of Causal Inference using Kernel Embeddings
di: Sejdinovic, Dino
Pubblicazione: (2024)

A Sensitivity Approach to Causal Inference Under Limited Overlap
di: Ma, Yuanzhe, et al.
Pubblicazione: (2025)

Regularizing Extrapolation in Causal Inference
di: Arbour, David, et al.
Pubblicazione: (2025)

Testing Generalizability in Causal Inference
di: Manela, Daniel de Vassimon, et al.
Pubblicazione: (2024)

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