交絡因子の存在下と非存在下の両方で、高次元の観測データから因果関係を発見。 既知の因果関係を学習により再現でき、分類問題の予測能力と相関があることを確認。

NCINetは因果一貫性があるが、オーバーフィットするとテストについて一貫性が低下します。 因果関係が弱いデータに対する因果推論のパフォーマンスが低いことを示します。

https://github.com/human-analysis/causal-relations-between-representations 交絡因子の存在下と非存在下の両方、実験データと実世界データの両方で特徴量の因果関係の復元と予測性能の関係について広く実験されています。