利用 ICA 发现非高斯线性因果模型
机器学习
2012-07-09 v1 数学软件
机器学习
摘要
近年来，已提出多种从非实验数据中发现因果结构的方法（Spirtes 等人，2000；Pearl，2000）。此类方法对数据生成过程做出了各种假设，以便于仅从观测数据中进行识别。延续这一研究思路，我们展示了如何在以下假设下发现连续值数据的完整因果结构：(a) 数据生成过程是线性的，(b) 不存在未观测到的混杂因素，以及 (c) 扰动变量具有非零方差的非高斯分布。该解决方案依赖于称为独立成分分析（ICA）的统计方法，且不需要预先指定变量的时间顺序。我们提供了一个用于执行此 LiNGAM 分析（线性非高斯无环模型的简称）的完整 Matlab 软件包，并使用人工生成数据证明了该方法的有效性。
引用
@article{arxiv.1207.1413,
title = {Discovery of non-gaussian linear causal models using ICA},
author = {Shohei Shimizu and Aapo Hyvarinen and Yutaka Kano and Patrik O. Hoyer},
journal= {arXiv preprint arXiv:1207.1413},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2005)