[1Win4] ポスターセッション1

[1Win4-14] Pairwiseの因果推論に基づく多変量因果構造学習

〇蓮池 正晴¹、宮嵜 伊弦² (1.株式会社ジェイテクト、2.株式会社豊田中央研究所)

キーワード：因果探索、非加法的ノイズ

自然科学や工学の発展において、因果関係を理解することは極めて重要である。近年、LiNGAMを始めとする多変量間の因果探索の研究が盛んに行われている。しかしながら、多くの因果探索の手法が加法的なノイズを仮定しており、非加法的ノイズに対して推定精度が良くないという問題がある。そこで、本研究では、pairwiseの推論結果に基づき、グラフ全体の因果構造を学習する方法を検討し、特に非加法的ノイズに対しても理論的正当性を有するRegression Error based Causal Inference(RECI)をpairwiseの推論結果として用いるgraph-RECIという方法を提案する。シミュレーションデータを用いた計算実験でSOTAであるSCOREと比較したところ、線形のデータでは加法的ノイズかつ因果が弱い場合にSCOREの方が高い性能を示したが、加法的ノイズかつ因果が強い場合と非加法的ノイズの場合にgraph-RECIの方が優れていた。また非線形のデータでは、加法的ノイズかつ因果が強い場合にSCOREの方が優れていたが、その他の場合はgraph-RECIとSCOREが同等の性能を示した。