A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Simulating Counterfactuals (2024)

Karvanen, J., Tikka, S., & Vihola, M. (2024). Simulating Counterfactuals. Journal of Artificial Intelligence Research, 80, 835-857. https://doi.org/10.1613/jair.1.15579

JYU-tekijät tai -toimittajat

Karvanen, Juha
Tikka, Santtu
Vihola, Matti

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Karvanen, Juha; Tikka, Santtu; Vihola, Matti

Lehti tai sarja: Journal of Artificial Intelligence Research

ISSN: 1076-9757

eISSN: 1076-9757

Julkaisuvuosi: 2024

Ilmestymispäivä: 27.06.2024

Volyymi: 80

Artikkelin sivunumerot: 835-857

Kustantaja: AI Access Foundation

Julkaisumaa: Yhdysvallat (USA)

Julkaisun kieli: englanti

DOI: https://doi.org/10.1613/jair.1.15579

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/96324

Rinnakkaistallenteen verkko-osoite (pre-print): https://arxiv.org/abs/2306.15328

Tiivistelmä

Counterfactual inference considers a hypothetical intervention in a parallel world that shares some evidence with the factual world. If the evidence specifies a conditional distribution on a manifold, counterfactuals may be analytically intractable. We present an algorithm for simulating values from a counterfactual distribution where conditions can be set on both discrete and continuous variables. We show that the proposed algorithm can be presented as a particle filter leading to asymptotically valid inference. The algorithm is applied to fairness analysis in credit-scoring.

YSO-asiasanat: kausaliteetti; koneoppiminen; algoritmit

Vapaat asiasanat: bayesian networks; causality; machine learning

Tieteenalat: