热点事件持续更新

新方法AAG与MI识别双变量因果方向

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Alex Glushkovsky 提出 AAG（预期非对称几何）和 MI（单调性指数）两种通过条件分布识别双变量因果方向的方法。论文称，AAG 在 Tubingen 99 对真实因果样本上取得 82.7% 加权准确率，尺寸自适应调优后达 84.4%，高于 GRCI 的 81.6% 和 CAREFL-H 的 82.0%。两种方法均假设双变量数据具有随机性质，利用效应条件分布的预期单峰性；其超参数少，且在给定参数下解唯一确定。

AI 根据报道生成 · 1 小时前更新

最新进展10月9日 12:00

基于预期非对称几何的双变量因果方向识别

报道时间线

沿着报道，了解事件的不同侧面。

10月9日

12:00
arXiv cs.LG
基于预期非对称几何的双变量因果方向识别
该论文提出 AAG 和 MI 两种通过条件分布识别双变量因果方向的方法，AAG 在 Tubingen 99 对真实因果样本上取得 82.7% 加权准确率，尺寸自适应调优后达 84.4%，优于 GRCI 的 81.6% 和 CAREFL-H 的 82.0%。两种方法均假设双变量数据的随机性质，利用效应条件分布的预期单峰性，超参数少且给定参数下解唯一确定。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。