計算代数・組合せ論を用いた高次元統計的因果推測理論の新展開
使用计算代数和组合学的高维统计因果推理理论的新进展
基本信息
- 批准号:21K11797
- 负责人:
- 金额:$ 2.5万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:2021
- 资助国家:日本
- 起止时间:2021-04-01 至 2025-03-31
- 项目状态:未结题
- 来源:
- 关键词:
项目摘要
LiNGAMは、モデルに線形性・非ガウス性が仮定できる状況ではポピュラーな因果探索の方法である。しかしながら、サンプルサイズがモデルの次元より小さくなる場合には実装ができないという問題がある。また、一般に次元の高いモデルに対しては、一定の精度を出すには、相対的に多くのサンプルが必要である。近年のビッグデータ分析や機械学習の流れからすると、高次元・小標本で適用可能な因果探索手法を提案することには意義があると考える。そこで、今年度はこうした点に着目をして、条件付独立関係から、変数の祖先・子孫の関係を可能なまで導出し、その関係を、変数を複数個の部分集合に分割し、部分集合ごとにLiNGAMを適用するという因果探索手法を考案した。この手法は、サンプルサイズがモデルの次元より小さい場合でも、分割された部分集合の変数の数よりも大きければ適用可能になる。さらに、LiNGAMを適用するモデルの次元が下がるので、因果探索の精度の向上も期待できる。計算機実験により、提案手法はサンプルサイズが小さい場合、真のモデルがスパースで、変数が多くの部分集合に分割される場合に、精度の高いものであることがわかった。しかし、現時点での因果探索手法は、一段階目で求めた祖先・子孫関係を、変数の分割にしか用いておらず、二段階目の因果探索に利用していない。これを利用することで、さらなる精度の向上や、変数の非ガウス性の仮定の一般化も目指せるものと考えている。この点を2023年度では引き続き研究していく予定である。
LiNGAM 是一种流行的因果搜索方法,适用于模型中可以假设线性和非高斯性的情况。但存在一个问题,当样本量小于模型维度时,无法实现。此外,一般来说,高维模型需要相对大量的样本才能达到一定的精度。考虑到大数据分析和机器学习的最新趋势,我们认为提出一种可应用于高维度和小样本的因果搜索方法是有意义的。因此,今年,我们围绕这些点,从条件独立关系中尽可能推导出变量的祖先/后代关系,将变量划分为多个子集,并设计了一种将LiNGAM应用于每种情况的因果搜索方法。即使样本量小于模型的维度,只要大于划分子集中的变量数量,也可以应用该方法。此外,由于应用 LiNGAM 的模型的维数降低了,我们可以预期因果搜索的准确性会有所提高。计算机实验表明,当样本量较小、真实模型稀疏、变量划分为多个子集时,该方法具有较高的准确性。然而,目前的因果搜索方法仅使用第一步确定的祖先/后代关系来划分变量,而不会在因果搜索的第二步中使用它们。我们相信,通过使用这一点,我们可以进一步提高准确性并推广非高斯变量的假设。我们计划在2023年继续研究这一点。
项目成果
期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Causal Discovery for VAR model with Latent Variables
具有潜变量的 VAR 模型的因果发现
- DOI:
- 发表时间:2021
- 期刊:
- 影响因子:0
- 作者:原尚幸
- 通讯作者:原尚幸
応用基礎としてのデータサイエンス AI×データ活用の実践
数据科学作为应用基础——AI x 数据运用实践
- DOI:
- 发表时间:2023
- 期刊:
- 影响因子:0
- 作者:北川 源四郎;竹村 彰通;赤穂 昭太郎;今泉 允聡;内田 誠一;清 智也;高野 渉;辻 真吾;原 尚幸;久野 遼平;松原 仁;宮地 充子;森畑 明昌;宿久 洋
- 通讯作者:宿久 洋
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
原 尚幸其他文献
標本数2のフナイバーの構造と分解可能モデルのマルコフ基底
具有 2 个样本的 Fnaiver 结构和可分解模型的马尔可夫基础
- DOI:
- 发表时间:
2007 - 期刊:
- 影响因子:0
- 作者:
原 尚幸;青木敏;竹村彰通 - 通讯作者:
竹村彰通
Estimation of an Asymmetric Employment Adjustment Model with MCMC
MCMC非对称就业调整模型的估计
- DOI:
- 发表时间:
2007 - 期刊:
- 影响因子:0
- 作者:
松本章邦;原 尚幸;縄田和満 - 通讯作者:
縄田和満
標本数2のファイバーの構造と分解可能モデルのマルコフ基底
2 个样本的纤维结构和可分解模型的马尔可夫基础
- DOI:
- 发表时间:
2007 - 期刊:
- 影响因子:0
- 作者:
原 尚幸;青木 敏;竹村 彰通 - 通讯作者:
竹村 彰通
原 尚幸的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('原 尚幸', 18)}}的其他基金
多変量正規分布の行列パラメータの推定に関する研究
多元正态分布矩阵参数估计研究
- 批准号:
13740056 - 财政年份:2001
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for Young Scientists (B)
相似海外基金
放射線治療と予後との因果を推論・探索する先駆的人工知能モデルの開発
开发开创性的人工智能模型来推断和探索放射治疗与预后之间的因果关系
- 批准号:
22K07676 - 财政年份:2022
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
超高次元かつ分布多様なデータに対応できる統計的因果探索の開発
开发可以处理极高维和分布式数据的统计因果搜索
- 批准号:
21J10457 - 财政年份:2021
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for JSPS Fellows
Causal discovery from data in the presence of unobserved common causes
在存在未观察到的常见原因的情况下从数据中发现因果关系
- 批准号:
20K19872 - 财政年份:2020
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for Early-Career Scientists
未観測共通原因が存在する場合の巡回因果モデル推定法の研究と応用
存在不可观测共因时循环因果模型估计方法的研究与应用
- 批准号:
20K11708 - 财政年份:2020
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Prediction models and generating causal structure hypotheses for cognitive decline in patients with chronic kidney disease
慢性肾病患者认知能力下降的预测模型和因果结构假设的生成
- 批准号:
19K20198 - 财政年份:2019
- 资助金额:
$ 2.5万 - 项目类别:
Grant-in-Aid for Early-Career Scientists