线性非高斯无环模型的联合估计
机器学习
2011-12-01 v2
摘要
一种称为 LiNGAM 的线性非高斯结构方程模型是用于探索性因果分析的可识别模型。以往的方法基于单一数据集估计变量的因果顺序及其连接强度。然而，在许多应用领域中，数据是在不同条件下获取的，即获得的是多个数据集而非单一数据集。本文提出了一种新方法，在假设多个 LiNGAM 模型共享因果顺序但可能具有不同连接强度和不同分布变量的前提下，联合估计这些模型。模拟实验表明，与分别估计相比，新方法能更准确地估计这些模型。
引用
@article{arxiv.1104.5341,
title = {Joint estimation of linear non-Gaussian acyclic models},
author = {Shohei Shimizu},
journal= {arXiv preprint arXiv:1104.5341},
year = {2011}
}
备注
A revised version was accepted in Neurocomputing