識別可能性を超えて：少数の環境と有限サンプルで因果表現を学習する

要旨: 本稿では、環境数が部分線形（sublinear）のデータから因果表現を学習するための、明示的で有限サンプルにおける保証を提示する。因果表現学習は、因果モデルと潜在因子モデルを橋渡しすることで、一般的な表現学習問題に対する厳密な基盤を与えることを目指し、因果的意味を持つ解釈可能な表現を学習することにある。因果表現学習において同定可能性に関する理論が花開く一方で、推定および有限サンプル境界については十分に理解されていない。本稿では、因果表現が、未知のマルチノード介入（multi-node interventions）に関して対数的な個数だけで学習可能であり、また介入ターゲットは事前に慎重に設計される必要がないことを示す。注意深い摂動（perturbation）解析を通じて、本問題の新たな分析を与え、(a) 潜在因果グラフ、(b) 混合行列と表現、(c)
\emph{未知}の介入ターゲット、のそれぞれについて一貫した（consistent）回復を保証する。