有向无环图干预马尔可夫等价类的刻画与贪心学习
统计方法学
2012-09-27 v2 离散数学
统计理论
统计理论
摘要
研究编码相同马尔可夫性质（即多元观测分布的相同条件独立关系）的有向无环图（DAGs）有着悠久的传统；在马尔可夫等价类中，已存在许多用于模型选择和结构学习的算法。在本文中，我们将 DAGs 的马尔可夫等价概念推广到由多次干预实验产生的干预分布情形。我们证明，在对干预实验的合理假设下，干预马尔可夫等价比观测马尔可夫等价定义了更精细的 DAGs 划分，从而提高了因果模型的可辨识性。我们给出了两个 DAG 在干预下马尔可夫等价的图论准则，并证明每个干预马尔可夫等价类可以类似于观测情形，由称为干预本质图（在观测情形中也称为 CPDAG）的链图唯一表示。这些是推导旨在从干预数据进行结构学习的贪心等价搜索算法推广的关键见解。这一新算法在模拟研究中得到了评估。
引用
@article{arxiv.1104.2808,
title = {Characterization and Greedy Learning of Interventional Markov Equivalence Classes of Directed Acyclic Graphs},
author = {Alain Hauser and Peter Bühlmann},
journal= {arXiv preprint arXiv:1104.2808},
year = {2012}
}