machine-learning - 因果モデルと有向グラフィカルモデルの違いは何ですか？

Question

因果モデルと有向グラフィカルモデルの違いは何ですか？因果関係と有向確率的関係の違いは何ですか？DirectedProbabilisticModelより具体的には、クラスのインターフェースに何を入れ、クラスに何を入れCausalModelますか？一方が他方から継承しますか？

Answer 1

ジュデア・パールの因果関係は読むべき本です。

違いは、一方は因果関係にあり、もう一方は単に統計的であるということです。トートロジークラブのメンバーとして私を解任する前に、私の話を聞いてください。

有向確率関係 (別名、条件付き確率テーブルの完全なセット、別名ベイジアン ネットワーク) には、統計情報のみが含まれます。つまり、有向確率関係から推測できる結合確率テーブルから推測できるものはすべて、それ以上でもそれ以下でもありません。2つは同等です。

因果関係はまったく別のものです。因果関係 (AKA Causal Bayesian Network) は、変数の介入の下で何が起こるかを指定する必要があります。介入とは、変数がモデルの通常の影響範囲外の値に強制される場合です。これは、強制変数 (または変数ですが、簡単にするために 1 つだけを考えます) の条件付き確率を、変数が強制値を確率 1 で取る新しいテーブルに置き換えることと同じです。

これが意味をなさない場合は、フォローアップしてください。明確にします。

このセクションは、コメントでのニールの質問に対処するために追加されました

ニールは尋ねます：

介入を実行せずに有向確率関係の方向をどのように決定できますか? 言い換えれば、有向グラフィカルモデルには因果情報 (つまり、介入を条件とする確率に関する情報) が含まれていませんか?

追加の非統計的仮定を行うことにより、有向確率関係の方向を決定できます。これらの仮定には一般に次のものが含まれます: 隠れ変数がないと仮定すること、および本当に重要なもの、同時分布で見つかった条件付き独立関係が安定していると仮定すること (それらが偶然または相殺によって存在しないことを意味します)。ベイジアン ネットワークは、これらの仮定を行いません。

方向を復元する方法の詳細については、IC、PC、および IC* アルゴリズムを調べてください。IC の特定の詳細については、 「推論された因果関係の理論」で説明されていると思います。

Answer 2

この投稿を正しく理解していれば、カジュアル モデルと有向グラフィカル モデル (ベイジアン ネットワーク) は、ワークフローのさまざまな段階を目指しています。カジュアル モデルは、因果関係を反映するように依存関係を割り当てる方法です。ベイジアン ネットワークは、推論手法を提供してくれます。したがって、別のものを使用して推定を実行できます。一方、ベイジアン ネットワークは、SCM とは異なる手法を使用してモデル化できます。

私は SCM の主題を完全には理解していないので、もっと深く掘り下げる場合はお知らせください (私はしたいのですが :)。