报告题目：因果网络局部学习与因果作用可识别性

报告时间：2022年6月10 日下午14:00

会议链接：https://meeting.tencent.com/dm/mjAALupaMKAY

会议 ID：488-329-033

主办单位：科研处/437必赢会员中心网页版

主讲人：耿直

耿直简介：北京大学数学科学学院，教授。研究方向为数理统计领域的因果推断、不完全数据、生物统计。百余篇论文发表在数理统计学、机器学习、人工智能等刊物。1996年当选为国际统计学会推选会员，曾应邀在2011年国际工业与应用数学大会（ICIAM 2011)做60分钟大会报告。现任北京生物医学统计与数据管理研究会(BBA)理事长。曾担任中国数学会概率统计学会理事长（2006年-2010年）、中国现场统计研究会理事长（2009年-2017年）、President of Institute of Mathematical Statistics–China (2009-2011)等职务。

摘要：图灵奖获得者Pearl提出因果关系的三个层级：相关与预测、干预与决策、反事实与想象。我们将探讨第二和三层级的因果挑战问题。为了评价原因变量X对结果变量Y的因果作用，需要判断哪些变量是混杂因素、哪些变量是中间变量。为此，我们提出将因果关系网络局部学习与因果作用评价相结合的方法。首先学习X和Y的局部因果网络，据此判断各种混杂因素和中间变量的组合，然后确定X对Y可能的总因果作用和直接因果作用。