基于模型强化学习的DAG空间树搜索用于因果发现
机器学习
2024-02-14 v2 人工智能
摘要
识别因果结构在从战略决策到生物学与经济学的诸多领域中处于核心地位。本工作中，我们提出CD-UCT，一种基于树搜索的模型强化学习方法，用于因果发现，其以增量方式构建有向无环图。我们还形式化并证明了一种高效算法的正确性，该算法用于排除会引入环的边，从而支持在DAG空间中进行更深层的离散搜索与采样。所提方法可广泛适用于包含离散与连续随机变量的因果贝叶斯网络。我们在合成与真实数据集上进行了综合评估，表明CD-UCT大幅优于最先进的免模型强化学习技术与贪婪搜索，构成了组合方法的一项可喜进展。
引用
@article{arxiv.2310.13576,
title = {Tree Search in DAG Space with Model-based Reinforcement Learning for Causal Discovery},
author = {Victor-Alexandru Darvariu and Stephen Hailes and Mirco Musolesi},
journal= {arXiv preprint arXiv:2310.13576},
year = {2024}
}