基于多域 LiNGAM 的潜因子因果发现
机器学习
2022-04-26 v3 机器学习
摘要
从观测数据中发现潜因子之间的因果结构是一个尤其具有挑战性的问题。尽管针对该问题已有一些努力，现有方法仅关注单域数据。本文提出面向潜因子的多域线性非高斯无环模型（MD-LiNA），其中感兴趣潜因子间的因果结构为所有域共享，并给出了其识别结果。该模型丰富了多域数据的因果表示。我们提出一种集成的两阶段算法来估计该模型。具体而言，我们首先定位潜因子并估计因子载荷矩阵。然后为揭示感兴趣的共享潜因子间的因果结构，我们基于外部影响间独立关系以及多域潜因子与感兴趣潜因子间依赖关系的刻画推导了一个评分函数。我们证明所提方法提供局部一致的估计量。在合成和真实世界数据上的实验结果证明了我们方法的有效性和鲁棒性。
引用
@article{arxiv.2009.09176,
title = {Causal Discovery with Multi-Domain LiNGAM for Latent Factors},
author = {Yan Zeng and Shohei Shimizu and Ruichu Cai and Feng Xie and Michio Yamamoto and Zhifeng Hao},
journal= {arXiv preprint arXiv:2009.09176},
year = {2022}
}
备注
16 pages, 11 figures