在高维表达数据中提升局部因果发现

Philip Versteeg; Joris M. Mooij

doi:10.1109/BIBM47256.2019.8983232

在高维表达数据中提升局部因果发现

机器学习 2020-10-21 v2 机器学习统计方法学

作者: Philip Versteeg , Joris M. Mooij

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

我们研究了局部因果发现 (LCD)（一种简单高效的基于约束的因果发现方法）在大规模基因表达数据中预测因果效应的表现。我们构建了专门针对高维情形的实用估计量。受 ICP 算法启发，我们使用了一种可选的预选方法和两种不同的统计检验。经验上，所得到的 LCD 估计量在精度上接近最先进方法 ICP，同时其在算法上更简单且计算更高效。

关键词

局部因果发现高维数据基因表达基于约束的方法 ICP 算法因果效应

引用

@article{arxiv.1910.02505,
  title  = {Boosting Local Causal Discovery in High-Dimensional Expression Data},
  author = {Philip Versteeg and Joris M. Mooij},
  journal= {arXiv preprint arXiv:1910.02505},
  year   = {2020}
}