Что такое causal graphs (DAG) и d-separation?

Causal graphs — это ориентированные ацикличные графы (DAG), которые моделируют причинно-следственные связи между переменными. В таком графе узлы — это переменные, а ребра показывают направление причинного влияния.

D-separation — это критерий, позволяющий определить, какие переменные в графе условно независимы друг от друга при заданном наборе наблюдаемых переменных. Если две переменные d-сепарированы относительно набора переменных Z, то при условии на Z они независимы, что важно для корректного вывода причинных эффектов.

Пример: если есть граф A → B → C, то A и C не d-сепарированы без условий, но при условии на B они становятся независимы.

Это фундаментальные понятия для причинного вывода и оценки эффектов в задачах uplift-моделирования и других областях машинного обучения.