従来からある統計的な方法として, 因果関係を見つけ出す「統計的因果推論」とよばれる技術がある. 統計的因果推論は, 変数間の因果関係をデータから推測するための方法論であり, とくに, 変数間の因果構造を未知としてどのような条件で因果構造が推測可能なのかを明らかにする技術を統計的因果探索とよぶ. LiNGAM(linear non-Gaussian acyclic model) は, Shimizu (2006) において提案された因果探索における代表的なモデルである. 本稿では, これらの LiNGAM を用いた因果構造の推測, 及びその推測にベイズ的アプローチを用いるBayesLiNGAM について述べる.
[1] Hoyer, P.O. and Hyttinen, A. (2009). Bayesian discovery of linear acyclic causal models. In Proc. 25th Conference on Uncertainty in Artificial Intelligence, pp.240-248.
[2] Hyv¨arinen, A., Oja, E. (2000). Independent Component Analysis : Algorithms and Applications. Newral Networks, 13(4-5), pp.411-430.
[3] Shimizu, S., Hoyer, P.O., Hyv¨arinen, A. and Kerminen, A. (2006). A linear non-Gaussian acyclic model for causal discovery. Journal of Machine Learning Research, 7, pp.2003-2030.
全国の大学の
卒論・修論・学位論文
を
一発検索！
論文の公開元へ