Part 3. Modern Identification

Module 5. 인과추론은 서울대학교 이상학 교수님이 강의를 하셨고 Module 5에 관한 모든 내용은 LG Aimers 및 서울대학교 이상학 교수님으로부터 나왔다.

 

 

 

Modern Identification

Generalized Identification

 - 여러 데이터가 한 도메인에 주어져 있을 때 그것을 활용해서 원하는 인과 효과를 계산하는 것

 - Do-calculus를 이용

  -> 여러 가지 데이터를 활용해도 인과 효과 계산 가능

 - General Identifiability : 여러 데이터가 한 도메인에 주어져 있을 때 활용하여 원하는 인과 효과를 계산하는 것

 

 

 

 

Transportability

 - 주어져있는 데이터의 소스와 우리가 인과 효과를 계산하고자 하는 타깃이 서로 다른 도메인일 때의 인과 추론을 다룸

 - 통계적 추론

 

 

 

Recovering from Selection Bias

 - 데이터의 샘플이 선택적으로 포함되는 경우 발생되는 편향

 

 

Recovering from Missing Data

 - 데이터의 샘플이 누락된 경우

 

Three Categories of Missingness

 - MCAR(Missing Completely At Random) : 완전 무작위

 - MAR(Missing At Random) : 메커니즘이 누락된 변수와 어떤 조건부 독립이 성립

 - MNAR(Missing Not At Random) : 랜덤 하지 않은 누락

 

-> 누락된 정보가 있는 값들을 채우는 알고리즘들은 MCAR, MAR에서 동작

-> MNAR에서는 동작 X