Meek 分离集及其在定向因果发现中的应用
机器学习
2023-11-01 v1 离散数学
统计方法学
机器学习
摘要
从干预数据学习因果结构是一个基础问题，在众多领域有广泛应用。尽管许多先前工作聚焦于恢复整个因果图，实践中存在仅需学习部分因果图的场景。这称为定向（targeted）因果发现。我们工作中关注两个此类有充分动机的问题：子集搜索与因果匹配。我们的目标是在两种情形下最小化干预次数。为此，我们引入 Meek 分离集（Meek separator），即一组顶点，对其实施干预可将剩余未定向边分解为更小的连通分量。随后我们提出一种高效算法以找到规模较小的 Meek 分离集。该过程有助于设计各类基于分治的方法。特别地，我们提出两种随机算法，分别实现对子集搜索与因果匹配的对数近似。我们的结果为这两个问题提供了首个已知平均情形可证明保证。我们相信这为针对各类应用产生的许多其他定向因果结构学习问题设计近最优方法开辟了可能。
引用
@article{arxiv.2310.20075,
title = {Meek Separators and Their Applications in Targeted Causal Discovery},
author = {Kirankumar Shiragur and Jiaqi Zhang and Caroline Uhler},
journal= {arXiv preprint arXiv:2310.20075},
year = {2023}
}