DagSim：结合基于 DAG 的模型结构与无约束数据类型及关系以实现灵活、透明和模块化的数据模拟
人工智能
2023-05-10 v2
摘要
数据模拟是机器学习和因果推断的基础，因为它允许在完全控制真实情况的设定下探索场景和评估方法。有向无环图（DAGs）在推断与模拟设定中用于编码一组变量上的依赖结构已得到广泛确立。然而，尽管现代机器学习应用于性质日益复杂的数据，基于 DAG 的模拟框架仍局限于变量类型与函数形式相对简单的设定。我们在此提出 DagSim，一个基于 Python 的基于 DAG 的数据模拟框架，对变量类型或函数关系无任何约束。用于定义模拟模型结构的简洁 YAML 格式提升了透明性，而基于其父节点生成各变量的独立用户自定义函数确保了模拟代码的模块化。我们通过元数据变量控制图像中形状与生物序列中模式的用例展示了 DagSim 的能力。
引用
@article{arxiv.2205.11234,
title = {DagSim: Combining DAG-based model structure with unconstrained data types and relations for flexible, transparent, and modularized data simulation},
author = {Ghadi S. Al Hajj and Johan Pensar and Geir Kjetil Sandve},
journal= {arXiv preprint arXiv:2205.11234},
year = {2023}
}
备注
12 pages, 1 figure, 1 table