在上小节中,我们探讨了在时序因果隐变量和其落后期之间满足线性关系时,如何通过模型假设和添加归纳偏置的方式恢复因果隐变量和它们之间的关系。然而,线性假设是一种很强的函数形式假设,许多时序数据并不满足隐变量之间的线性假设。在这个小节,我们继续讨论在因果隐变量之间满足非线性,甚至非参数化(Nonparametric)的形式下,如何实现因果表征学习 。 | 在上小节中,我们探讨了在时序因果隐变量和其落后期之间满足线性关系时,如何通过模型假设和添加归纳偏置的方式恢复因果隐变量和它们之间的关系。然而,线性假设是一种很强的函数形式假设,许多时序数据并不满足隐变量之间的线性假设。在这个小节,我们继续讨论在因果隐变量之间满足非线性,甚至非参数化(Nonparametric)的形式下,如何实现因果表征学习 。 |