通过独立成分分析发现循环因果模型
人工智能
2012-06-18 v1 统计方法学
摘要
我们将Shimizu等人(2006)基于ICA的发现线性非高斯无环(LiNGAM)结构方程模型(SEM)的方法推广到因果充分、连续值观测数据。通过放宽生成SEM图是无环的假设，我们解决了更一般的线性非高斯(LiNG) SEM发现问题。LiNG发现算法输出SEM的分布等价类，在大样本极限下，该等价类代表总体分布。我们将LiNG发现算法应用于模拟数据。最后，我们给出了输出类中只有一个SEM是“稳定”的充分条件。
引用
@article{arxiv.1206.3273,
title = {Discovering Cyclic Causal Models by Independent Components Analysis},
author = {Gustavo Lacerda and Peter L. Spirtes and Joseph Ramsey and Patrik O. Hoyer},
journal= {arXiv preprint arXiv:1206.3273},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008)