文献

J-GLOBAL ID：201602232510885314   整理番号：16A0723830

教師あり学習に基づく2変量時系列の因果推論

A Supervised Learning Approach to Causal Inference for Bivariate Time Series

著者 (2件)： 近原鷹一 (NTT コミュニケーション科学基礎研) ,  藤野昭典 (NTT コミュニケーション科学基礎研)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 116  号： 121(IBISML2016 1-8)  ページ： 189-194  発行年： 2016年06月27日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 時系列の因果推論では,時間変化する複数の変量間に潜在する原因と結果の関係(因果関係)を明らかにする。本稿では,2変量時系列に対する因果推論の問題として,因果関係の方向(X→YもしくはX←Y)を推定する問題と,潜在交絡(X←C→Y)を検出する問題の,2つの問題を考える。本研究では,既存の因果推論手法Random Causation Coefficient(RCC)を時系列に対して拡張することで,因果関係が既知の時系列データに基づいて因果関係が未知の2変量時系列データにおける変量間の因果関係を推定する,教師あり学習の枠組みを提案する。既存のモデルに依拠したアプローチでは因果関係を定義するモデルを事前に設定することが必要だが,この教師あり学習の枠組みにより,データから直接的に因果関係の定義を与えることができる。検証実験を通して,提案法が既存手法より高い精度で因果関係の方向を推定できることを示し,さらに潜在交絡を検出し得ることを示す。(著者抄録)

シソーラス用語： *推論 ,  *因果律 ,  *時系列分析 ,  統計的推定 ,  *教師つき学習 ,  埋込み【写像】 ,  多変量解析 ,  特徴抽出 ,  交差検証法 ,  回帰モデル ,  分類 ,  性能評価 ,  因果推論 ,  特徴量 ,  二値分類 ,  数学 ,  誤差論
準シソーラス用語： カーネル推定 ,  教師あり学習 ,  二変量解析

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 教師あり学習 ,  変量 ,  時系列 ,  因果推論