Sorunuzun hızlı bir cümle cevabına inanıyorum,
Y değişkenini ne zaman kontrol etmek uygundur ve ne zaman olmaz?
"arka kapı kriteri" dir.
Judea Pearl'ün Yapısal Nedensel Modeli, hangi değişkenlerin koşullandırma için yeterli olduğunu (ve gerektiğinde), bir değişkenin diğeri üzerindeki nedensel etkisini ortaya çıkarmak için kesin olarak söyleyebilir. Yani, bu, Pearl tarafından bu inceleme belgesinin 19. sayfasında açıklanan arka kapı kriteri kullanılarak cevaplanmaktadır .
En büyük uyarı, değişkenler arasındaki nedensel ilişkiyi bilmenizi gerektirmesidir (bir grafikte yön okları şeklinde). Bunun hiçbir yolu yok. Zorluk ve olası öznellik burada devreye girebilir. Pearl'ün yapısal nedensel modeli, sadece bir nedensel model (yani yönlendirilmiş grafik) verilen doğru soruları nasıl cevaplayacağınızı, bir veri dağıtımı verildiğinde hangi nedensel modeller kümesinin mümkün olduğunu veya doğru deneyi gerçekleştirerek nedensel yapıyı nasıl arayacağınızı bilmenizi sağlar. Sadece veri dağıtımı verildiğinde doğru nedensel yapıyı nasıl bulacağınızı söylemez. Aslında, değişkenlerin anlamı hakkında dış bilgi / sezgi kullanmadan bunun imkansız olduğunu iddia eder.
Arka kapı kriterleri aşağıdaki gibi ifade edilebilir:
Y üzerindeki nedensel etkisini bulmak için , bir dizi değişken düğüm S , aşağıdaki kriterlerin her ikisini de karşıladığı sürece koşullandırılmak için yeterlidir:XY,S
1) No elemanları soyundan XSX
2) , X ve Y arasındaki tüm "arka kapı" yollarını engellerSXY
Burada, bir "arka kapı" yolu sadece ile başlayan ve X'i gösteren bir ok ile biten bir ok yoludur . (Diğer tüm okların işaret ettiği yön önemli değildir.) Ve "engelleme", belirli bir anlamı olan ve yukarıdaki bağlantının 11. sayfasında verilen bir ölçüttür. Bu, "D-ayrımı" hakkında öğrenirken okuduğunuz kriterle aynıdır. Şahsen Bishop'un Örüntü Tanıma ve Makine Öğrenimi bölümünün 8. bölümünün D-ayrımında engelleme kavramını yukarıda bağladığım İnci kaynağından çok daha iyi tanımladığını buldum. Ama şu şekilde gider:YX.
Bir dizi düğüm, aşağıdaki ölçütlerden en az birini karşılıyorsa, X ve Y arasındaki bir yolu engeller :S,XY
1) 'de de yolundaki düğümlerin biri yayar yolu üzerinde en az bir ok (yani ok) uzak düğümden işaretS,
2) içinde de olan bir düğüm veya bir düğümün bir atası S ) kafa kafaya bunu yerine (buna karşı örneğin "çarpışma" yol iki oklar vardırSS
Bu bir veya ölçüttür, genel arka kapı ölçütünden farklı olarak ve ölçüttür.
Arka kapı kriteri hakkında açık olmak gerekirse, size söylediği şey, belirli bir nedensel model için, yeterli bir değişkeni koşullandırırken, nedensel etkiyi verilerin olasılık dağılımından öğrenebilirsiniz. (Bildiğimiz gibi, ortak dağılım tek başına nedensel davranışları bulmak için yeterli değildir, çünkü aynı dağıtımdan birden fazla nedensel yapı sorumlu olabilir. Bu nedenle nedensel model de gereklidir.) Dağıtım sıradan istatistiksel / gözlemsel veriler üzerinde makine öğrenme yöntemleri. Bildiğiniz sürece nedensel yapının bir değişken (veya değişkenler kümesi) üzerinde koşullandırmaya izin verdiğinden, bir değişkenin diğeri üzerindeki nedensel etkisine ilişkin tahmininiz, istatistiksel yöntemlerle elde ettiğiniz verilerin dağılımı hakkındaki tahmininiz kadar iyidir.
Arka kapı ölçütünü iki diyagramınıza uyguladığımızda bulduklarımız:
ZX.YYX,Y
YXZXYYYZ.YY.X.YYYXY
YYXZ.
YX.ZX.
Z←Y→XZ←W→B←A→X. YY B,B,YZ←Y→X
Z←W→B→Y→X. Y Z←Y→XZ←W→B←A→X,B.
YAWXZB.XZB,BAWBAWXZ
Daha önce de belirttiğim gibi, arka kapı ölçütünün kullanılması nedensel modeli bilmenizi gerektirir (yani değişkenler arasındaki okların "doğru" diyagramı). Ama Yapısal Nedensel Model, bence, böyle bir modeli aramak veya aramanın ne zaman boş olduğunu bilmek için en iyi ve en resmi yolu verir. Ayrıca "karıştırıcı", "arabuluculuk" ve "sahte" (hepsi beni şaşırtan) gibi terimleri geçersiz kılmak gibi harika bir yan etkiye sahiptir. Sadece bana resmi göster, hangi dairelerin kontrol edilmesi gerektiğini söyleyeyim.