清平清水;Patrik O·霍耶。;阿波省Hyvärinen;科米宁,安蒂 因果发现的线性非高斯非循环模型。 (英语) Zbl 1222.68304号 J.马赫。学习。物件。 7, 2003-2030 (2006). 摘要:近年来,提出了几种从非外围数据中发现因果结构的方法。这些方法对数据生成过程进行了各种假设,以便于从纯粹的观测数据中识别数据。继续这一研究方向,我们展示了如何在以下假设下发现连续值数据的完整因果结构:(a)数据生成过程是线性的,(b)不存在未观察到的混杂因素,以及(c)扰动变量具有非零方差的非高斯分布。该解决方案依赖于被称为独立成分分析的统计方法的使用,并且不需要预先指定变量的时间顺序。我们提供了一个完整的Matlab包来执行LiNGAM分析(线性非高斯非循环模型的缩写),并使用人工生成的数据和实际数据证明了该方法的有效性。 引用于1审查引用于78文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H25个 因子分析和主成分;对应分析 关键词:独立成分分析;非高斯性;因果发现;有向无圈图;非外围数据 软件:Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Shimizu}等人,J.Mach。学习。第7号决议,2003年--2030年(2006年;Zbl 1222.68304) 全文: 链接