[논문 리뷰] DoWhy-GCM: An extension of DoWhy for causal inference in graphical causal models

Patrick Blöbaum, Peter Götz외 3명|arXiv (Cornell University)|2022. 06. 14.

Bayesian Modeling and Causal Inference인용 수 44

한 줄 요약

DoWhy-GCM은 DoWhy 라이브러리를 그래프형 인과 모델을 지원하도록 확장하여 효과 추정 이상의 인과 탐구 범위를 가능하게 하며, 근본 원인 분석, 인과 구조 학습, 및 반사실 추론 등을 포함합니다.

ABSTRACT

We present DoWhy-GCM, an extension of the DoWhy Python library, which leverages graphical causal models. Unlike existing causality libraries, which mainly focus on effect estimation, DoWhy-GCM addresses diverse causal queries, such as identifying the root causes of outliers and distributional changes, attributing causal influences to the data generating process of each node, or diagnosis of causal structures. With DoWhy-GCM, users typically specify cause-effect relations via a causal graph, fit causal mechanisms, and pose causal queries -- all with just a few lines of code. The general documentation is available at https://www.pywhy.org/dowhy and the DoWhy-GCM specific code at https://github.com/py-why/dowhy/tree/main/dowhy/gcm.

연구 동기 및 목표

• 그래프형 인과 모델(GCM)을 사용하여 효과 추정을 넘는 인과 추론을 동기부여하고 가능하게 한다.
• 데이터로부터 적합시키고 인과 메커니즘을 갖춘 인과 그래프를 모델링하기 위한 확장 가능하고 모듈형인 파이썬 API를 제공한다.
• 근본 원인 식별, 구조 학습, 기여 분석, 가정 변경(What-if) 분석 등 다양한 인과 질문을 지원한다.

제안 방법

• 인과 관계를 DAG로 표현하고 각 노드에 인과 메커니즘을 할당한다.
• 관찰 데이터에서 인과 메커니즘을 적합하거나, 실제 메커니즘을 제공한다.
• GCM을 활용하여 발견 및 추론 작업을 포함한 광범위한 인과 질문을 사용자들이 제시할 수 있도록 한다.
• 서드파티 ML 라이브러리(예: scikit-learn, SciPy)를 통합하기 위한 모듈식 인터페이스와 래퍼를 제공한다.
• GCM 상태를 수정하지 않는 API를 보장하고 합리적인 기본값을 제공하기 위해 함수형 프로그래밍 스타일을 채택한다.

실험 결과

연구 질문

• RQ1 그래픽 인과 모델을 사용하여 표준 효과 추정을 넘어서는 더 광범위한 인과 질문에 어떻게 답할 수 있는가?
• RQ2 근본 원인 식별, 분포 변화의 기여(attribution), 반사실 추론을 GCM 프레임워크에서 가장 잘 지원하는 메커니즘과 학습 전략은 무엇인가?
• RQ3 DoWhy-GCM이 인과 발견을 전통적 인과 추론과 모듈식이고 확장 가능한 방식으로 어떻게 통합할 수 있는가?

주요 결과

• DoWhy-GCM은 그래픽 인과 모델 내에서 근본 원인 분석, 분포 변화의 기여도 추적, 그리고 what-if 분석과 같은 인과 질문을 가능하게 한다.
• 이 라이브러리는 사용자 지정 인과 메커니즘과 관측 데이터로부터 메커니즘을 자동으로 추론하는 것을 모두 지원한다.
• 도메인 지식이 충분하지 않을 때 인과 구조를 학습하는 인과 발견 기능을 제공한다.
• 설계는 모듈성 및 기존 라이브러리와의 호환성을 강조하여 커스텀 모델과 알고리즘의 통합을 용이하게 한다.