MACSL: A gradient-based multi-label acyclic causal structure learner

doi:10.1016/j.patcog.2026.114443

MACSL: A gradient-based multi-label acyclic causal structure learner

2026-07-01

0

PRE

AI

DOI：10.1016/j.patcog.2026.114443

原文链接

原文求助

摘要

En 中文

因果结构学习旨在揭示支配变量间依赖关系的潜在有向无环图，提供可解释的洞察并支持稳健决策。然而，现有大多数方法依赖条件独立性（CI）测试，往往受限于忠实性假设。尽管近期基于优化的方法避免了CI测试，但通常仅限于协变量或单标签设置。在多标签场景下，这些方法无法捕捉特征与多标签之间的复杂依赖关系。为解决这些问题，我们提出MACSL，一种基于梯度的多标签无环因果结构学习者，通过可学习的因果矩阵联合建模特征-特征、特征-标签和标签-标签依赖关系。具体而言，MACSL引入基于多项式近似的无环约束，并优化结合了预测、重构和依赖建模的统一目标。我们理论证明MACSL即使违反忠实性假设也能恢复因果关系。在合成和真实数据集上的实验表明，其在因果结构学习和可解释特征选择方面均表现出优越性能。代码地址：https://github.com/malinjlu/MACSL.

Keyword:

Causal structure learning

Causal feature selection

Multi-label learning

Markov blanket

MACSL: A gradient-based multi-label acyclic causal structure learner

摘要

期刊

机构

引用论文