एआई शब्दावली

📖

शब्द

Causal Deep Learning

Branche de l'apprentissage profond qui intègre des principes de la théorie causale pour découvrir et modéliser les relations de cause à effet dans les données, au-delà des simples corrélations.

📖

शब्द

Appariement sur Score de Propension

Technique où des unités traitées et non traitées sont appariées sur la base de scores de propension similaires pour créer un pseudo-essai randomisé et estimer l'effet causal.

📖

शब्द

Réseau de Neurones Causal

Architecture de réseau de neurones explicitement conçue pour intégrer des contraintes ou des structures causales, afin d'améliorer la généralisation et l'interprétabilité des prédictions.

📖

शब्द

Découverte de Structure Causale

Ensemble d'algorithmes qui visent à apprendre automatiquement le graphe causal (les relations de cause à effet) à partir de données observationnelles, souvent basés sur des tests d'indépendance conditionnelle.

📖

शब्द

Causalité de Rubin

Approche de la causalité basée sur le modèle de résultats potentiels (potential outcomes framework), où chaque unité a des résultats potentiels pour chaque état de traitement, dont un seul est observé.

📖

शब्द

Modèle de Résultats Potentiels

Formalisme où l'effet causal est défini comme la différence entre les résultats potentiels sous traitement et sous contrôle pour la même unité, fondement de la causalité de Rubin.

📖

शब्द

Hétérogénéité de l'Effet du Traitement (HET)

Variation de l'effet causal d'une intervention à travers différentes sous-populations ou individus, que les modèles de causalité profonde cherchent à estimer avec précision.

📖

शब्द

Variable Instrumentale (VI)

Variable utilisée pour estimer un effet causal en présence de confusion non mesurée, corrélée avec la variable de traitement mais non directement avec le résultat, si ce n'est à travers le traitement.