基于不可逆函数关系的因果网络学习
机器学习
2020-12-15 v1 机器学习
摘要
从观测数据中发现因果关系是许多领域中的一个重要问题。最近的一些结果已经确立了具有非高斯和/或非线性结构方程模型（SEMs）的因果有向无环图（DAGs）的可识别性。在本文中，我们关注由存在于许多数据领域中的不可逆函数定义的非线性 SEMs，并提出了一种针对不可逆双变量因果模型的新颖检验。我们进一步开发了一种方法，将该检验结合到包含线性和非线性因果关系的 DAGs 的结构学习中。通过广泛的数值比较，我们表明我们的算法在识别因果图结构方面优于现有的 DAG 学习方法。我们展示了我们的方法在从 ChIP-Seq 数据学习转录因子组合结合的因果网络中的实际应用。
引用
@article{arxiv.2004.09646,
title = {Causal network learning with non-invertible functional relationships},
author = {Bingling Wang and Qing Zhou},
journal= {arXiv preprint arXiv:2004.09646},
year = {2020}
}