线性高斯无潜变量数据上公共因果搜索软件包的比较
人工智能
2017-09-19 v2
摘要
我们将 Tetrad (Java) 算法与其他公共软件包 BNT (Bayes Net Toolbox, Matlab)、pcalg (R)、bnlearn (R) 在从无非观测变量的线性高斯结构方程模型（SEMs）递归生成的数据中尽可能恢复 DAG 结构的常规任务上进行比较，针对随机图，无变量顺序或邻接结构的额外知识，且无干预信息的额外指定。上述每个包都提供至少一个适用于此目的的实现。我们在固定数据集上比较它们的邻接与定向精度以及时间性能。我们改变变量数、样本数和图密度，共 27 种组合，所有统计在 10 次运行上平均，总计 270 个数据集。所有运行在同一机器及其原生平台上执行。我们提供了一个交互式可视化工具，供希望了解比本报告中明确记录更多内容的读者使用。
引用
@article{arxiv.1709.04240,
title = {A Comparison of Public Causal Search Packages on Linear, Gaussian Data with No Latent Variables},
author = {Joseph D. Ramsey and Bryan Andrews},
journal= {arXiv preprint arXiv:1709.04240},
year = {2017}
}
备注
7 figures, 1 table