带动量的因果结构学习：马尔可夫等价类 DAG 上的采样分布
机器学习
2024-09-12 v2 人工智能
机器学习
摘要
在推断贝叶斯网络结构（有向无环图，简称 DAG）的背景下，我们设计了一种不可逆连续时间马尔可夫链——“因果 Zig-Zag 采样器”，其目标为观测等价（马尔可夫等价）DAG 类上的概率分布。这些类以完备部分有向无环图（CPDAGs）表示。该不可逆马尔可夫链依赖于 Chickering 贪婪等价搜索（GES）中使用的算子，并赋予动量变量，如我们所实证展示的，其显著改善了混合。可能的目标分布包括基于 DAG 先验与马尔可夫等价似然的后验分布。我们提供了高效实现，其中开发了用于列举、计数、均匀采样及施加 GES 算子可能移动的新算法，所有这些均显著优于最先进运行时间。
引用
@article{arxiv.2310.05655,
title = {Causal structure learning with momentum: Sampling distributions over Markov Equivalence Classes of DAGs},
author = {Moritz Schauer and Marcel Wienöbst},
journal= {arXiv preprint arXiv:2310.05655},
year = {2024}
}