潜在的交絡者を有する自己相関時系列のための高リカール因果発見【JST・京大機械翻訳】

Gerhardus Andreas; Runge Jakob

プレプリント

J-GLOBAL ID：202202207995826117 整理番号：21P0038327

潜在的交絡者を有する自己相関時系列のための高リカール因果発見【JST・京大機械翻訳】

High-recall causal discovery for autocorrelated time series with latent confounders

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年07月03日プレプリントサーバーでの情報更新日： 2021年02月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

潜在交絡因子の存在における観測時系列からの線形および非線形,遅延および同時制約ベース因果発見のための新しい方法を示した。FCIやバリアントのような既存の因果発見法は,自己相関時系列事例において低い再現を受け,主な理由として条件付き独立試験の低効果サイズを同定することを示した。情報理論的議論は,因果親が調整セットに含まれているならば,影響サイズがしばしば増加することができることを示した。両親の早期同定のために,著者らは,エッジ除去段階の間に既に先祖関係を決定するために,新しい方向規則を利用する反復手順を提案する。提案手法は,オラクル事例において,次数独立で,音と完全であることを証明した。異なる数の変数,時間遅れ,サンプルサイズ,および更なる事例に対する広範なシミュレーション研究は,著者らの方法が,所望のレベルで偽陽性を保っている間,自己相関連続変数の場合に対して,既存の方法よりはるかに高い再現を達成することを示した。この性能利得は,より強い自己相関で成長する。https://github.com/jakobrunge/tigramiteでは,シミュレーション研究に含まれるすべての方法に対してPython符号を提供した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般 , 統計学

, , ,

前のページに戻る