多元回归链图的无序结构学习
机器学习
2019-10-03 v1 机器学习
摘要
本文研究多元回归链图（MVR CGs），其由 Cox 和 Wermuth [3,4] 引入以表示带相关误差的线性因果模型。我们考虑用于 MVR CG 结构学习的类 PC 算法，这是由 Sonntag 和 Peña 在 [18] 中提出的基于约束的方法。我们表明类 PC 算法是顺序相关的，即输出可能依赖于变量给出的顺序。这种顺序依赖在低维情形下是一个小问题。然而，在高维情形下它可能非常显著，导致结果高度可变。我们提出类 PC 算法的两种修正，以消除部分或全部的这种顺序依赖。在各种设置下的仿真表明，我们的算法在低维设置下相对于原始类 PC 算法具有竞争性能，而在高维设置下性能更优。
引用
@article{arxiv.1910.01067,
title = {Order-Independent Structure Learning of Multivariate Regression Chain Graphs},
author = {Mohammad Ali Javidian and Marco Valtorta and Pooyan Jamshidi},
journal= {arXiv preprint arXiv:1910.01067},
year = {2019}
}
备注
This paper is an extended version of the accepted paper for SUM 2019 that will appear in the proceedings published by Springer in the Lecture Notes in Artificial Intelligence (LNAI) series