从学习的因果网络估计因果效应
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在给定因果图和观测数据时回答可识别因果效应查询的问题。我们提出了一种新方法，通过直接从观测数据中学习因果贝叶斯网络及其潜在混淆变量，使用高效的概率图模型算法回答查询。结果表明，该学习方法在处理较大模型时，比传统估算方法更有效，具有显著的应用潜力。
本文提出了一种基于祖先图的算法框架，用于高效地进行非实验数据中因果效应的识别。通过协变调整进行因果效应识别与m分离的规约，并得出了构造性条件，为这些问题的特殊情况提供了解决方案的扩展。
