Invariant Ancestry Search
不变性祖先搜索AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要利用跨环境预测不变性识别因果祖先，并与不变因果预测的父节点识别比较。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
不变性祖先搜索
- 研究问题
- 当环境变化仅影响少数机制、使不变因果预测识别的父节点集合很小时，能否利用不变性识别更大的可靠因果祖先集合？
- 方法与思路
- 作者引入最小不变性并提出 IAS，从跨环境预测不变性搜索响应变量的祖先，开发可扩展算法并进行模拟和真实数据实验。
- 材料陈述的贡献
- 摘要称总体版本只输出因果祖先且包含 ICP 的输出；若不变性检验具有渐近水平与功效，样本版本具有相应渐近保证。
- 阅读关注点
- 应核对最小不变性的定义、环境变化与因果图的条件，以及祖先集合保证、检验功效要求和搜索算法的可扩展性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列完整识别条件，识别祖先不等于识别直接父节点或全部祖先。
原文摘要
Recently, methods have been proposed that exploit the invariance of prediction models with respect to changing environments to infer subsets of the causal parents of a response variable. If the environments influence only few of the underlying mechanisms, the subset identified by invariant causal prediction (ICP), for example, may be small, or even empty. We introduce the concept of minimal invariance and propose invariant ancestry search (IAS). In its population version, IAS outputs a set which contains only ancestors of the response and is a superset of the output of ICP. When applied to data, corresponding guarantees hold asymptotically if the underlying test for invariance has asymptotic level and power. We develop scalable algorithms and perform experiments on simulated and real data.