본 논문은 예측 모델이 원인적으로 무관한 신호를 사용하는 문제를 해결하기 위해, 반인과적 예측 모델(SAM)을 제시합니다. SAM은 예측 변수에 영향을 미치는 정보 경로를 분석하는 인과적 프레임워크를 제공하며, 특정 조건부 독립성 기준을 만족하는 분류기는 레이블에서 이미지로의 직접적인 인과 경로에만 집중하게 됩니다. 또한, 조건부 거리 상관관계를 사용하여 회귀 과제에서 조건부 독립성을 최적화하는 새로운 규제 전략인 DISCO를 제안합니다. 실험 결과, DISCO는 기존 커널 기반 방법에 비해 경쟁력 있는 성능을 보이며 편향 완화에 유효한 대안임을 보여줍니다.
