有监督的整 DAG 因果发现
机器学习
2020-06-09 v1 人工智能
机器学习
摘要
我们提出以有监督方式处理从数据进行因果结构学习的任务。现有通过监督学习来学习因果方向的工作局限于学习成对关系，并不适用于整 DAG 发现。我们提出了一种将整 DAG 结构发现建模为有监督学习的新方法。为契合手头问题，我们提出使用与问题域良好对齐的置换等变模型。我们在规模为 10、20、50、100 的合成图以及真实数据上对所提方法进行了广泛评估，并相较于多种先前方法展示了有前景的结果。
引用
@article{arxiv.2006.04697,
title = {Supervised Whole DAG Causal Discovery},
author = {Hebi Li and Qi Xiao and Jin Tian},
journal= {arXiv preprint arXiv:2006.04697},
year = {2020}
}