Dang Nguyen

New CA-GAN framework generates tabular data while preserving causal relationships

研究人员开发了 CA-GAN，一种新颖的生成对抗网络，专为表格数据合成而设计，并优先保留因果关系。与仅关注统计分布匹配的现有方法不同，CA-GAN 通过从真实数据中提取因果图来明确地整合因果知识。该框架利用强化学习来优化真实数据和合成数据之间的因果一致性，确保生成的样本不仅逼真，而且能够维持潜在的因果机制。跨多个数据集的实验表明，与最先进的基线相比，CA-GAN 在因果保留方面表现更优，同时在下游效用、隐私和数据质量方面也取得了强劲的成果。