Buchumschlag

Counterfactual identifiability beyond global monotonicity: non-monotone triangular structural causal models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Pengcheng, Chen, Jiang, Du, Dehui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the representation and learning of monotone triangular transport maps
von: Baptista, Ricardo, et al.
Veröffentlicht: (2020)

Online monotone density estimation and log-optimal calibration
von: Hore, Rohan, et al.
Veröffentlicht: (2026)

Scalable branch-and-bound model selection with non-monotonic criteria including AIC, BIC and Mallows's $\mathit{C_p}$
von: Vanhoefer, Jakob, et al.
Veröffentlicht: (2025)

Parameter identification in linear non-Gaussian causal models under general confounding
von: Tramontano, Daniele, et al.
Veröffentlicht: (2024)

Semiparametric principal stratification analysis beyond monotonicity
von: Tong, Jiaqi, et al.
Veröffentlicht: (2025)

Controlling for discrete unmeasured confounding in nonlinear causal models
von: Burauel, Patrick, et al.
Veröffentlicht: (2024)

DiffusionCounterfactuals: Inferring High-dimensional Counterfactuals with Guidance of Causal Representations
von: Zhu, Jiageng, et al.
Veröffentlicht: (2024)

Counterfactual Generative Models for Time-Varying Treatments
von: Wu, Shenghao, et al.
Veröffentlicht: (2023)

Exogenous Isomorphism for Counterfactual Identifiability
von: Chen, Yikang, et al.
Veröffentlicht: (2025)

Semiparametric Counterfactual Regression
von: Kim, Kwangho
Veröffentlicht: (2025)

CFLight: Enhancing Safety with Traffic Signal Control through Counterfactual Learning
von: Li, Mingyuan, et al.
Veröffentlicht: (2025)

C-XGBoost: A tree boosting model for causal effect estimation
von: Kiriakidou, Niki, et al.
Veröffentlicht: (2024)

Dynamical causality under invisible confounders
von: Yan, Jinling, et al.
Veröffentlicht: (2024)

Deciphering interventional dynamical causality from non-intervention complex systems
von: Shi, Jifan, et al.
Veröffentlicht: (2024)

Generalized Encouragement-Based Instrumental Variables for Counterfactual Regression
von: Wu, Anpeng, et al.
Veröffentlicht: (2024)

Assessing the overall and partial causal well-specification of nonlinear additive noise models
von: Schultheiss, Christoph, et al.
Veröffentlicht: (2023)

Scalable Counterfactual Risk Estimation for Rare Events in Longitudinal Data
von: Yin, Xiaohui, et al.
Veröffentlicht: (2026)

Learning linear acyclic causal model including Gaussian noise using ancestral relationships
von: Cai, Ming, et al.
Veröffentlicht: (2024)

Watermarking Counterfactual Explanations
von: Guo, Hangzhi, et al.
Veröffentlicht: (2024)

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

Nonparametric Identification and Inference for Counterfactual Distributions with Confounding
von: Sun, Jianle, et al.
Veröffentlicht: (2026)

DoubleGen: Debiased Generative Modeling of Counterfactuals
von: Luedtke, Alex, et al.
Veröffentlicht: (2025)

Causal and Counterfactual Views of Missing Data Models
von: Nabi, Razieh, et al.
Veröffentlicht: (2022)

Collaborative causal inference on distributed data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2022)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

Assessing Electricity Service Unfairness with Transfer Counterfactual Learning
von: Wei, Song, et al.
Veröffentlicht: (2023)

Causal Contrastive Learning for Counterfactual Regression Over Time
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2024)

Overview and practical recommendations on using Shapley Values for identifying predictive biomarkers via CATE modeling
von: Svensson, David, et al.
Veröffentlicht: (2025)

Counterfactual Cocycles: A Framework for Robust and Coherent Counterfactual Transports
von: Dance, Hugh, et al.
Veröffentlicht: (2024)

Targeting relative risk heterogeneity with causal forests
von: Shirvaikar, Vik, et al.
Veröffentlicht: (2023)

Separation-based distance measures for causal graphs
von: Wahl, Jonas, et al.
Veröffentlicht: (2024)

Geometry Adaptive Counterfactual Distribution Learning with Diffusion-Guided Smoothing
von: Kim, Kwangho
Veröffentlicht: (2026)

Collective Counterfactual Explanations: Balancing Individual Goals and Collective Dynamics
von: Ehyaei, Ahmad-Reza, et al.
Veröffentlicht: (2024)

Response to Discussions of "Causal and Counterfactual Views of Missing Data Models"
von: Nabi, Razieh, et al.
Veröffentlicht: (2025)

Modeling Causal Mechanisms with Diffusion Models for Interventional and Counterfactual Queries
von: Chao, Patrick, et al.
Veröffentlicht: (2023)

Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness
von: Machado, Agathe Fernandes, et al.
Veröffentlicht: (2024)

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

DR-VIDAL -- Doubly Robust Variational Information-theoretic Deep Adversarial Learning for Counterfactual Prediction and Treatment Effect Estimation on Real World Data
von: Ghosh, Shantanu, et al.
Veröffentlicht: (2023)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

No $D_{\text{train}}$: Model-Agnostic Counterfactual Explanations Using Reinforcement Learning
von: Sun, Xiangyu, et al.
Veröffentlicht: (2024)