Problema NP-Difficile di Selezione Ottimale di Esperimenti per Limiti Causali
I ricercatori hanno formalizzato il problema della massima potenza per la selezione di esperimenti con vincoli di costo che restringono al massimo i limiti di identificazione causale parziale. Il problema è dimostrato NP-difficile tramite riduzione dal problema 0-1 knapsack. Basandosi su Duarte et al. (2023), una procedura generale valuta la potenza epistemica in contesti discreti. Due criteri di potatura grafica, inclusa una nuova regola di intercettazione dei percorsi che sfrutta la struttura dei distretti, riducono lo spazio di ricerca super-esponenziale. Il lavoro appare su arXiv (2605.06993v1).
Fatti principali
- Le query causali sono spesso parzialmente identificabili dai dati osservazionali.
- Gli esperimenti possono restringere i limiti ma sono costosi.
- Il problema della massima potenza seleziona esperimenti per restringere al massimo i limiti sotto vincoli di costo.
- La potenza epistemica misura la riduzione nel caso peggiore dell'ampiezza dei limiti.
- Il problema è NP-difficile tramite riduzione dal problema 0-1 knapsack.
- Procedura generale per valutare la potenza epistemica in contesti discreti da Duarte et al. (2023).
- Introdotti due criteri di potatura grafica: regola di intercettazione dei percorsi e struttura dei distretti.
- La regola di intercettazione dei percorsi certifica potenza zero in tempo lineare.
- Articolo su arXiv: 2605.06993v1.
Entità
Istituzioni
- arXiv