Buchumschlag

An extensive simulation study evaluating the interaction of resampling techniques across multiple causal discovery contexts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Banerjee, Ritwick, Andrews, Bryan, Kummerfeld, Erich
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Better Simulations for Validating Causal Discovery with the DAG-Adaptation of the Onion Method
von: Andrews, Bryan, et al.
Veröffentlicht: (2024)

Score matching through the roof: linear, nonlinear, and latent variables causal discovery
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

DoWhy-GCM: An extension of DoWhy for causal inference in graphical causal models
von: Blöbaum, Patrick, et al.
Veröffentlicht: (2022)

Quantum-enhanced causal discovery for a small number of samples
von: Terada, Yu, et al.
Veröffentlicht: (2025)

Towards identifiability of micro total effects in summary causal graphs with latent confounding: extension of the front-door criterion
von: Assaad, Charles K.
Veröffentlicht: (2024)

Choosing with unknown causal information: Action-outcome probabilities for decision making can be grounded in causal models
von: Soto, Mauricio Gonzalez, et al.
Veröffentlicht: (2019)

A fine-grained look at causal effects in causal spaces
von: Park, Junhyung, et al.
Veröffentlicht: (2025)

An AI-powered Bayesian generative modeling approach for causal inference in observational studies
von: Liu, Qiao, et al.
Veröffentlicht: (2025)

Relaxing partition admissibility in Cluster-DAGs: a causal calculus with arbitrary variable clustering
von: Yvernes, Clément, et al.
Veröffentlicht: (2025)

Algorithmic syntactic causal identification
von: Cakiqi, Dhurim, et al.
Veröffentlicht: (2024)

A primer on optimal transport for causal inference with observational data
von: Gunsilius, Florian F
Veröffentlicht: (2025)

Temporal discontinuity trials and randomization: success rates versus design strength
von: Knaeble, Brian, et al.
Veröffentlicht: (2024)

A U-Statistic-based random forest approach for genetic interaction study
von: Li, Ming, et al.
Veröffentlicht: (2025)

Query-efficient model evaluation using cached responses
von: Helm, Hayden, et al.
Veröffentlicht: (2026)

Investigating the causal effects of multiple treatments using longitudinal data: a simulation study
von: Granger, Emily, et al.
Veröffentlicht: (2024)

Post-selection inference for causal effects after causal discovery
von: Chang, Ting-Hsuan, et al.
Veröffentlicht: (2024)

Separation-based causal discovery for extremes
von: Jiang, Junshu, et al.
Veröffentlicht: (2025)

Federated Epidemic Surveillance
von: Lyu, Ruiqi, et al.
Veröffentlicht: (2023)

Weak Supervision Performance Evaluation via Partial Identification
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2023)

Does AI help humans make better decisions? A statistical evaluation framework for experimental and observational studies
von: Ben-Michael, Eli, et al.
Veröffentlicht: (2024)

High-dimensional multiple imputation (HDMI) for partially observed confounders including natural language processing-derived auxiliary covariates
von: Weberpals, Janick, et al.
Veröffentlicht: (2024)

A covariate-adaptive test for replicability across multiple studies with false discovery rate control
von: Tran, Ninh, et al.
Veröffentlicht: (2025)

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

Class conditional conformal prediction for multiple inputs by p-value aggregation
von: Fermanian, Jean-Baptiste, et al.
Veröffentlicht: (2025)

Orientability of Causal Relations in Time Series using Summary Causal Graphs and Faithful Distributions
von: Loranchet, Timothée, et al.
Veröffentlicht: (2025)

Impact of clinical decision support systems (cdss) on clinical outcomes and healthcare delivery in low- and middle-income countries: protocol for a systematic review and meta-analysis
von: Jain, Garima, et al.
Veröffentlicht: (2025)

On Efficient Adjustment for Micro Causal Effects in Summary Causal Graphs
von: Belciug, Isabela, et al.
Veröffentlicht: (2025)

AI Harmonics: a human-centric and harms severity-adaptive AI risk assessment framework
von: Vei, Sofia, et al.
Veröffentlicht: (2025)

Identifying Macro Causal Effects in C-DMGs over DMGs
von: Ferreira, Simon, et al.
Veröffentlicht: (2025)

Moments of Causal Effects
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

A Two-Stage Interpretable Matching Framework for Causal Inference
von: Shikalgar, Sahil, et al.
Veröffentlicht: (2025)

Recover Experimental Data with Selection Bias using Counterfactual Logic
von: He, Jingyang, et al.
Veröffentlicht: (2025)

Causal Inference under Threshold Manipulation: Bayesian Mixture Modeling and Heterogeneous Treatment Effects
von: Kubota, Kohsuke, et al.
Veröffentlicht: (2025)

Multiple Treatments Causal Effects Estimation with Task Embeddings and Balanced Representation Learning
von: Murakami, Yuki, et al.
Veröffentlicht: (2025)

Decomposition of Probabilities of Causation with Two Mediators
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

A Statistical Framework for Algorithmic Collective Action with Multiple Collectives
von: Battiloro, Claudio, et al.
Veröffentlicht: (2026)

DeepVARwT: Deep Learning for a VAR Model with Trend
von: Li, Xixi, et al.
Veröffentlicht: (2022)

Unbiased Prevalence Estimation with Multicalibrated LLMs
von: Linder, Fridolin, et al.
Veröffentlicht: (2026)

Beyond Means: Topological Causal Effects under Persistent-Homology Ignorability
von: Saki, Amir, et al.
Veröffentlicht: (2026)

Low-Rank Robust Subspace Tensor Clustering for Metro Passenger Flow Modeling
von: Hu, Jiuyun, et al.
Veröffentlicht: (2024)