整数模加性噪声模型的可识别性及其因果结构发现
机器学习
2014-01-23 v1
摘要
因果关系的概念被用于许多处理不确定性的情境中。我们考虑的问题是，给定由离散随机变量而非连续变量生成的数据集，因果关系是否可以被识别。特别是对于非二元数据，迄今为止仅知道除罕见情况外因果关系是可识别的。在本文中，我们给出了两变量整数模加性噪声 (IMAN) 模型可识别性的充要条件。此外，我们以更明确的方式关联了双变量与多变量因果可识别性，并开发了一种实用算法来寻找变量的顺序及其父变量集。我们通过对人工数据和真实人体运动数据的应用，并与传统方法进行比较，展示了其性能。
引用
@article{arxiv.1401.5625,
title = {Identifiability of an Integer Modular Acyclic Additive Noise Model and its Causal Structure Discovery},
author = {Joe Suzuki and Takanori Inazumi and Takashi Washio and Shohei Shimizu},
journal= {arXiv preprint arXiv:1401.5625},
year = {2014}
}
备注
30 pages, 4 figures