arXiv · ML· Yang Ni·· 8 小时前AI 评分20
arXiv 论文综述：超越条件独立性的因果发现方法、算法与统计推断
Causal Discovery beyond Conditional Independence: Identifiability, Algorithms, and Statistical Inference for Directed Acyclic and Cyclic Graphs
AI 导读
arXiv 论文（arXiv:2610.23543）系统梳理了现代因果发现方法，聚焦利用条件独立性之外的分布属性进行结构学习，并将识别来源与统计估计器及计算实现相分离。 文章分析了潜在混杂、反馈机制及循环模型，区分了总体识别、频率学派与贝叶斯一致性、不确定性量化及算法保证。 该文提出了针对可识别目标的比较指南，并确立了涵盖异质人群、非标量变量及离散数据交集的研究议程。
来源：arXiv · ML · arxiv.org