[2A4-GS-2] 機械学習：データ活用

[2A4-GS-2-02] 独立性評価を用いた部分的因果構造推定による少サンプル下でのDirectLiNGAMの改善

〇簗島 瞬¹、上村 健人² (1. 東京都立大学、2. 富士通株式会社)

キーワード：因果探索、因果推論、LiNGAM、独立性評価、少サンプル

近年，観測データから因果関係を推定する因果探索の研究が盛んにおこなわれている．有力な因果探索手法の一つとして，DirectLiNGAMが知られている．DirectLiNGAMでは変数集合内の最上流変数の推定およびその影響の除去を繰り返すことで，効率よく安定した因果順序の推定を試みている．実問題ではしばしば技術的，コスト的観点から，十分なサンプルが得られない場合がある．このような状況下では，DirectLiNGAMは推定過程において，後の推定に必要な情報を過度に除去してしまい，結果として因果順序推定精度の低下が引き起こされる．
本論文では変数間の独立性の情報を用いて部分的な因果関係を推定することで，過度な情報の除去を防ぐアプローチを提案する．ランダム生成問題を用いた実験により，特に少サンプル下において，提案手法はDirectLiNGAMと比較して誤推定率を80％以上削減できることを示す．