Интеллектуальные системы.
Теория и приложения

Аннотация

Начало 21-го века для наук о данных характеризуется появлением новых междисциплинарных областей, а также расширением общей теоретической базы и появлением статистических методов для решения новых задач. В данной статье описываются известные подходы к решению задачи статистической идентификации односторонних (причинно-следственных) связей между переменными для оценки с использованием неэкспериментальных данных и приводятся отличительные особенности статистических моделей, подходящих для этих целей.

Основной результат работы заключается в сравнении методов оценивания эффектов воздействия в случае, когда зависимости в данных являются существенно нелинейными. Для этого предложен алгоритм генерации данных при помощи свёрточных нейронных сетей, и исследуются два разных подхода к оценке — методом байесовских сетей и методом двойного машинного обучения. Показано, что оба таких подхода в рассмотренном случае дают неточные оценки индивидуальных эффектов, и приводятся рекомендации по оценке агрегированных эффектов воздействия.

Ключевые слова: статистическая идентификация, эффекты воздействия, DAG-модели, двойное машинное обучение, CATE