跳到主要内容
检索

# 因果特征轮廓

1 篇关联报道

订阅更新
  1. arXiv

    FADO把表格解释从相关性改问干预:一次前向给出全部特征的干预效应

    表格数据的机器学习解释长期以预测归因为主,回答的是某个特征是否有助于预测结果,而这类归因捕捉的是相关而非因果。FADO 改用先验拟合网络,在由结构因果模型生成的合成表格上训练,把已知的干预效应作为监督标签,使模型在测试时只凭一张观测表格就一次前向输出全部特征的干预效应向量。在代理变量、混杂因子、对撞因子和安慰剂等标准预测归因会失效的设定下,FADO 给出与预测归因不同的特征重要性排序,并把非因果的预测性特征压到接近零。

已读完全部报道