PAG2ADMG：一种用于马尔可夫等价类完全因果枚举的算法
机器学习
2018-01-19 v3 统计方法学
摘要
因果图，例如有向无环图（DAG）和部分祖先图（PAG），表示模型中变量间的因果关系。存在从数据学习 DAG 和 PAG 以及将 DAG 转换为 PAG 的方法。然而，这些方法有重大局限：它们仅输出与从数据估计的独立性及依赖性（马尔可夫等价类 ）一致的单张因果图。这是成问题的且不充分，因为许多不同的图可能与 一致。数据建模者可能希望使用领域知识或其他模型选择算法在这些众多一致图中选择。一致图集合的枚举是瓶颈。在本文中，我们提出一种使这种期望枚举成为可能的方法。我们引入 PAG2ADMG，首个枚举所有与 一致的因果图的算法。PAG2ADMG 将给定 PAG 转换为与 一致的完全无环有向混合图（ADMG）集合。我们证明了该方法的正确性，并展示了其相对于暴力枚举的效率。
引用
@article{arxiv.1612.00099,
title = {PAG2ADMG: An Algorithm for the Complete Causal Enumeration of a Markov Equivalence Class},
author = {Nishant Subramani},
journal= {arXiv preprint arXiv:1612.00099},
year = {2018}
}
备注
V2 and V1 are different enough to be different papers. V2 will be significantly extended and resubmitted as a different arxiv paper