WikiEdge:ArXiv速遞/2025-03-19

摘要

• 原文標題：An extensive simulation study evaluating the interaction of resampling techniques across multiple causal discovery contexts
• 中文標題：一項廣泛的模擬研究評估重採樣技術在多種因果發現情境中的交互作用
• 發布日期：2025-03-19 17:18:18+00:00
• 作者：Ritwick Banerjee, Bryan Andrews, Erich Kummerfeld
• 分類：stat.ME, cs.AI
• 原文鏈接：http://arxiv.org/abs/2503.15436v1

中文摘要：儘管探索性因果分析在現代科學和醫學中的存在加速增長，但用於驗證因果模型的可用非實驗方法尚未得到很好的表徵。最流行的方法之一是在對數據進行重採樣後評估模型特徵的穩定性，類似於統計學中用於估計置信區間的重採樣方法。然而，這種方法的許多方面幾乎沒有受到關注，例如重採樣方法的選擇是否應取決於樣本大小、使用的算法或算法調優參數。我們提出了理論結果，證明某些重採樣方法能夠很好地模擬為算法調優參數分配特定值的過程。我們還報告了大量模擬實驗的結果，這些結果驗證了理論結果，並提供了大量數據，以幫助研究人員進一步表徵因果發現分析中的重採樣。理論工作和模擬結果共同提供了關於在實踐中應如何選擇重採樣方法和調優參數的具體指導。