What If 分析
因果モデルに基づく仮説分析
"what-if" 分析は、一般的に使用されている what-if 分析方法であり、さまざまな状況で考えられる結果を調査することで、人々が物事の関係をよりよく理解できるようにすることを目的としています。 イベントの起こりうる影響を分析したり、状況でさまざまなアクションを実行した場合の結果を調査したりするためによく使用されます。
RATH では、因果関係の発見が完了した後、既存の因果モデルに基づいて what if 分析を実行できます。 1 つまたは複数の要因を制御して (増加させてから減少させる)、他の変数がどのように影響を受けるかを理解します。
What If 分析に DECI を使用する
What If 分析をよりよく理解するために、RATH は DECI などのいくつかの深い因果関係発見アルゴリズムを追加しました。これは、高次元データで非線形の影響関係を発見し、ディープ ラーニングでこれらの関係を学習し、予測と推論に使用できます。
DECI (Deep End-to-end Causal Inference) アルゴリズムは、深層学習に基づく因果推論手法です。 ディープ ニューラル ネットワークを構築することで因果関係をモデル化し、モデルの学習を通じて因果関係のパラメーターを推定します。 実際には、あるイベントが別のイベントに及ぼす影響を予測したり、測定値が結果に及ぼす影響を推定したりするために使用できます。
以下のデータ セットに示すように、禁煙と体重の関係が調査されています。 ここではまずRATHの因果発見を利用して因果関係図を自動生成します。 次にwhat ifモジュールに入り、独立変数として禁煙を選択し、それを調整し、増加させると、RATHは「禁煙」が他の従属変数に及ぼす影響の程度を推定および予測し、その程度に応じて増加する重みを与えます禁煙の大きな増加。 この場合のデータからわかるように、禁煙は体重増加につながる可能性があります。
これは、もう少し複雑なデータセットを分析するためのシナリオです。
最初に、因果関係発見のために DECI アルゴリズムが選択され、暫定的な因果構造図が生成されます。 このグラフで事前調査を行い、関心のあるノードをクリックして操作し、これらのノードと隣接するエッジを強調表示すると、選択したノード セットの情報が右側に表示されます。 その他の探索関数については、[/tutorials/causal-analysis] の章を参照してください。
what If モジュールに入り、制御したい変数を選択し、変数の左側にある「三角形」をクリックしてそのサイズを制御すると、制御する独立変数が従属変数の値にどのように影響するかを確認できます。 同様に、左側の因果グラフでは、影響を受けるノードの値の変化もレンダリングされます。 RATH は、多次元で複雑な因果分析を研究するために、同時に複数の変数を制御することをサポートします。
凡例: 複数の変数を独立変数として同時に選択して、それらが関連する従属変数にどのように影響するかを調べることができます。
カテゴリ変数の展開/分解
一部のカテゴリ変数では、他の変数によるこの変数の影響を数値的に直接観察することはより困難です。 what If 分析モジュールでは、カテゴリ変数をクリックするだけで、複数の値で構成された新しい変数に自動的に分解され (1 つのホット エンコーディングと同様)、What If が影響を教えてくれます。分解された変数効果。 （例えば、「薬を飲む」という変数があれば、薬Aを飲むか、薬Bを飲むか、プラセボを飲むか、などに分解されます。）
因果図のレイアウト切り替え
RATH にはさまざまなグラフ視覚化レイアウト アルゴリズムが統合されており、異なる因果トポロジー構造に対して、適切なレイアウト アルゴリズムを自由に選択できます。 さまざまな視点から変数間構造を研究する。
RATH はまた、因果分析をさらに支援するために、より多くのグラフ視覚化およびグラフ分析機能を開発しようとしています。 複雑な因果関係グラフをさらに掘り下げます。
