TabSCM：現実的な表形式データを生成するための実用的フレームワーク

要旨: ほとんどの表形式データ生成器は周辺統計には適合するものの因果構造を無視しており、その結果、下流モデルは見かけ上の（spurious）あるいは不公平なパターンを学習してしまいます。我々は、これらの因果的依存関係を保持する混合型ジェネレータであるTabSCMを提示します。任意の因果構造発見アルゴリズムによって見つかった、完了部分的に有向非巡回グラフ（CPDAG）から出発して、TabSCMは(i) 辺をDAGとして方向付けし、(ii) 根ノードの周辺分布をKDEまたはカテゴリ頻度で適合させ、(iii) トポロジカルに順序付けされた構造的割り当てを学習します。これらの割り当ては、連続変数の子ノードに対して条件付き拡散モデルを用い、カテゴリ変数に対して勾配ブースト木を用いることで実現します。祖先サンプリングにより意味的に妥当なレコードが得られ、正確な反実仮想（counterfactual）クエリが可能になります。医療、金融、住宅、環境を含む7つの公開データセットにおいて、TabSCMは、統計的忠実性、下流ユーティリティ、プライバシーリスクの点で、最先端のGAN、拡散、およびLLMベースラインと同等、またはそれを上回り、さらにルール違反率の低減と、因果的に意味のある頑健な条件付き介入の提供も行います。生成を明示的な方程式に分解しているため、拡散のみのモデルに比べ最大583\times高速に動作し、公平性監査や政策シミュレーションのための解釈可能な調整軸も提供します。そのためTabSCMは、現実性、説明可能性、因果的妥当性の観点から実用的な選択肢となります。