基于单调三角传输映射的因果图学习
统计方法学
2023-05-30 v1 机器学习
摘要
我们研究利用最优传输(OT)从数据进行因果结构学习的问题。具体而言，我们首先提供一种基于约束的方法，其构建于下三角单调参数化传输映射之上，设计对噪声分布不敏感的条件独立性检验。我们给出一种无需对结构方程/噪声分布作假设、可处理含潜变量情形的马尔可夫等价类因果发现算法。我们的方法还通过提供定义分数的新方式扩展至基于分数的因果发现。这使我们能在附加可识别性与结构假设(如加性噪声或后非线性模型)下唯一恢复因果图。我们给出实验结果，在合成与真实数据集上将所提方法与最先进方法进行比较。
引用
@article{arxiv.2305.18210,
title = {Learning Causal Graphs via Monotone Triangular Transport Maps},
author = {Sina Akbari and Luca Ganassali and Negar Kiyavash},
journal= {arXiv preprint arXiv:2305.18210},
year = {2023}
}
备注
20 pages, 6 figures, under review