인과 추론과 예측의 관계는 무엇입니까?

10

인과 추론과 예측 (분류 및 회귀)의 관계와 차이점은 무엇입니까?

예측 컨텍스트에는 예측 변수 / 입력 변수와 응답 / 출력 변수가 있습니다. 그것은 입력 변수와 출력 변수 사이에 인과 관계가 있다는 것을 의미합니까? 그렇다면 예측은 인과 추론에 속합니까?

내가 올바르게 이해하면, 인과 추론은 다른 임의의 변수가 주어진 한 임의의 변수의 조건부 분포를 추정하는 것을 고려하고 종종 임의의 변수 사이의 조건부 독립성을 나타내는 그래픽 모델을 사용합니다. 이런 의미에서 인과 추론은 예측이 아닌가?

prediction causality definition

— 팀
소스

1

이 Kaggle 경쟁을 보셨습니까? kaggle.com/c/cause-effect-pairs 흥미로운 것을 발견 할 수 있습니다

— Simone

1

이 문서는 차이점에 대해 이야기합니다 : Galit Shmueli, 설명 또는 예측? , 통계 학자. 공상 과학 25 권, 3 호 (2010), 289-310.

— Shu Zhang

6

인과 추론은 를 바꿀 때 어떤 일이 일어나는지 아는 데 중점을 둡니다 . 예측은 주어진 다음 (및 다른 것) 를 아는 데 중점을 둡니다 . $Y$ $X$ $Y$ $X$

일반적으로 인과 추론 에서 Y에 대한 의 영향에 대한 편견없는 추정을 원합니다 . 예측에서, 종종 예측 편차를 줄이면 약간의 편견을 받아들이려고합니다. $X$

— generic_user
소스

2

이 답변은 인과 모델과의 연관성을 무시합니다.

— Neil G

1

기본적으로 연관성이 기본값이 아닌가? 그리고 인과 관계가 연관성 안에 중첩되지 않습니까? 아마도 인과 적 영향이 혼란스러워하는 경우를 제외하고는``연관 모델 ''에 대해 이야기 한 사람이 없습니다.

— generic_user

1

좋아, 나는 협회가 기본값이고 인과 모델이 더 강력하다는 의미에서 "중첩"되었다는 것을 알았습니다. 문제는 인과 모델과 회귀 또는 분류 (연관 모델)의 차이점은 무엇입니까? 주요 차이점은 다음과 같습니다. 원인에서 결과로, 또는 결과에서 일부 가상의 원인으로 회귀를 수행 할 수 있습니다. 인과 관계 모델에서, 관계는 지시된다 (효과로 인한). 이러한 방향은 연관성 모델이 지원할 수없는 중재 적 추론을 지원하는 데 필요합니다.

— Neil G

6

인과 추론에는 인과 모델이 필요합니다. 이러한 모델은 다른 변수에 대한 관측 과 개입이 주어진 일부 변수를 유추 (예측)하는 데 사용될 수 있습니다 . 회귀 및 분류는 그러한 인과 적 요구 사항이 없으므로 중재 적 추론과 관련이 없습니다.

— 닐 G
소스