DirectLiNGAM: 一种学习线性非高斯结构方程模型的直接方法
机器学习
2011-04-08 v3
摘要
结构方程模型和贝叶斯网络已被广泛用于分析连续变量之间的因果关系。在此类框架中，通常使用线性无环模型来模拟变量的数据生成过程。最近研究表明，利用非高斯性可以识别线性无环模型的完整结构，即变量的因果顺序及其连接强度，而无需使用任何关于网络结构的先验知识，这是传统方法所无法做到的。然而，现有的估计方法基于迭代搜索算法，可能无法在有限步数内收敛到正确解。在本文中，我们提出了一种基于非高斯性来估计因果顺序和连接强度的新直接方法。与先前方法相比，我们的算法无需算法参数，并且如果数据严格遵循模型，则保证在较小的固定步数内收敛到正确解。
引用
@article{arxiv.1101.2489,
title = {DirectLiNGAM: A direct method for learning a linear non-Gaussian structural equation model},
author = {Shohei Shimizu and Takanori Inazumi and Yasuhiro Sogawa and Aapo Hyvarinen and Yoshinobu Kawahara and Takashi Washio and Patrik O. Hoyer and Kenneth Bollen},
journal= {arXiv preprint arXiv:1101.2489},
year = {2011}
}
备注
A revised version of this was accepted in Journal of Machine Learning Research