允许存在混淆的 LiNGAM 推广
机器学习
2025-10-07 v4 信息论
math.IT
统计理论
统计理论
摘要
LiNGAM 通过准噪声模型确定变量的因果顺序，但在面临混淆问题时存在挑战。以往方法虽尝试识别和解决受混淆影响的变量，却维持了 LiNGAM 的基本结构，导致无论是否存在混淆都需耗费大量计算资源，且无法确保检测到所有混淆类型。相比之下，本文通过引入 LiNGAM-MMI 方法，利用 KL 散度量化混淆程度，并对变量排序以最小化其影响。该方法通过最短路径问题的形式化实现全局最优变量排序。LiNGAM-MMI 在无混淆情形下处理数据效率与传统 LiNGAM 相当，能有效应对混淆情形。我们的实验结果表明，LiNGAM-MMI 在混淆与否情况下，都能更准确地确定正确的变量顺序。代码已附于本链接补充文件中：https://github.com/SkyJoyTianle/ISIT2024。
引用
@article{arxiv.2401.16661,
title = {Generalization of LiNGAM that allows confounding},
author = {Joe Suzuki and Tian-Le Yang},
journal= {arXiv preprint arXiv:2401.16661},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2007.11131 by other authors