利用祖先关系学习包含高斯噪声的线性无环因果模型
机器学习
2026-05-08 v1 统计方法学
摘要
本文讨论了学习因果有向无环图（DAG）的算法。PC 算法除了对因果模型的忠实性假设外没有其他假设，并且只能识别到马尔可夫等价类。LiNGAM 假设因果模型具有线性性和连续非高斯扰动，并且定义 LiNGAM 的因果 DAG 被证明是完全可识别的。PC-LiNGAM 是 PC 算法和 LiNGAM 的混合体，即使在存在高斯扰动的情况下，也能识别线性因果模型的分布等价模式。然而，在最坏情况下，PC-LiNGAM 的时间复杂度相对于变量数量是阶乘级的。在本文中，我们提出了一种学习线性因果模型分布等价模式的算法，其时间复杂度低于 PC-LiNGAM，该算法使用了 Maeda 和 Shimizu 提出的因果祖先发现算法，并将其推广以考虑高斯扰动。
引用
@article{arxiv.2409.00417,
title = {Learning linear acyclic causal model including Gaussian noise using ancestral relationships},
author = {Ming Cai and Penggang Gao and Hisayuki Hara},
journal= {arXiv preprint arXiv:2409.00417},
year = {2026}
}
备注
30 pages, 6 figures