×
罗伯特·科威尔。；詹姆斯·史密斯。

通过分层链事件图的MAP选择发现因果关系。 （英语） Zbl 1349.62299号

电子。J.统计。 第8期，第1期，965-997（2014）.
摘要：我们引入了链事件图的一个子类，称之为分层链事件图，并提出了一种动态规划算法，用于优化选择此类链事件图。我们将该算法应用于这样的数据集，以期在不存在未观察到的混杂因素的假设下推断变量的因果结构。我们表明，该算法适用于小问题。重点介绍了贝叶斯网络MAP学习的动态规划算法的异同，以及与使用贝叶斯网进行因果发现的关系。

引用于7文件

MSC公司：

62小时99 多元分析
2015年1月62日 贝叶斯推断
68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）

关键词：

因果关系；链式事件图；事件树；分层链式事件图；阶段事件树；结构学习；MAP估计

软件：

HUGIN公司；TETRAD公司
PDF格式BibTeX公司 XML格式引用
\textit{R.G.Cowell}和textit{J.Q.Smith}，电子。J.Stat.8，第1号，965--997（2014；Zbl 1349.62299）
全文： 内政部 欧几里得

参考文献：

[1] Andersson，S.A.、Madigan，D.和Perlman，M.D.（1996年）。非循环有向图的马尔可夫等价类的刻画。，《统计年鉴》25 505-541·Zbl 0876.60095号 ·doi:10.1214/aos/1031833662
[2] Barclay，L.M.、Hutton，J.L.和Smith，J.Q.（2012）。信息缺失的链式事件图。，贝叶斯分析12-17·兹比尔1327.62029
[3] Barclay，L.M.、Hutton，J.L.和Smith，J.Q.（2013）。使用CEG优化贝叶斯网络。，国际近似推理杂志·Zbl 1316.68169号
[4] Barclay，L.M.、Smith，J.Q.、Thwaites，P.和Nicholson，A.（2013）。动态链事件，图·Zbl 1336.62205号
[5] Bielza，C.和Shenoy，P.P.（1999）。非对称决策问题的图形技术比较。，管理科学45 1552-1569·Zbl 0946.90006号 ·doi:10.1287/mnsc.45.11.1552
[6] Boutiler，C.、Friedman，N.、Goldszmidt，M.和Koller，D.（1996年）。贝叶斯网络中的上下文特定独立性。年，《第十二届人工智能不确定性年会论文集》（E.Horvitz和F.V.Jensen编辑）115-123。
[7] W.邦廷（1991）。贝叶斯网络的理论精化。年，《第七届人工智能不确定性会议论文集》（UAI-91）（B.D’Ambrosio和P.Smets和P.P.Bonissone编辑），Morgan Kaufmann，52-60。
[8] Cooper，G.F.和Herskovits，E.（1992年）。从数据中归纳概率网络的贝叶斯方法。，机器学习9 309-347·Zbl 0766.68109号
[9] Cussens，J.（2011）。基于切面的贝叶斯网络学习。年，《第27届人工智能不确定性会议论文集》（UAI 2011）（F.G.Cozman和A.Pfeffer编辑）153-160。AUAI出版社。
[10] de Campos，C.P.和Ji，Q.（2010）。贝叶斯Dirichlet评分的属性用于学习贝叶斯网络结构。年，第二十四届AAAI人工智能会议。（M.Fox和D.Poole编辑）431-436。
[11] Fergusson，D.、Horwood，L.和Shannon，F.（1986年）。儿童入院的社会和家庭因素。，流行病学与社区卫生杂志40 50-58。
[12] Freeman，G.和Smith，J.Q.（2011年a）。链事件图的贝叶斯MAP模型选择。，多元分析杂志102 1152-1165·Zbl 1216.62039号 ·doi:10.1016/j.jmva.2011.03.008
[13] Freeman，G.和Smith，J.Q.（2011年b）。离散多变量时间序列的动态阶段树：预测、模型选择和因果分析。，贝叶斯分析6 279-305·Zbl 1330.62337号 ·doi:10.1214/11-BA610
[14] French，S.和Insoa，D.R.（2000年）。统计决策理论。伦敦阿诺德肯德尔统计图书馆9。
[15] Friedman，N.和Goldszmidt，M.（1998年）。学习具有局部结构的贝叶斯网络。在《图形模型学习》（M.I.Jordan，ed.）421-460中。Kluwer学术出版社，荷兰多德雷赫特·Zbl 0910.68176号
[16] Geiger，D.和Heckerman，D.（1997）。通过全局和局部参数独立性刻画Dirichlet分布。，统计年鉴25 1344-1369·Zbl 0885.62009号 ·doi:10.1214/aos/1069362752
[17] Heckerman，D.（1998）。贝叶斯网络学习教程。在《图形模型学习》（M.I.Jordan，ed.）301-354中。荷兰多德雷赫特Kluwer学术出版社·Zbl 0921.62029号
[18] Hugin Expert A/S（2012年）。Hugin API参考手册，7.6版Hugin Expert A/S，丹麦奥尔堡。
[19] Jaakkola，T.、Sontag，D.、Globerson，A.和Meila，M.（2010年）。使用LP松弛学习贝叶斯网络结构。年，《第十三届国际人工智能与统计会议论文集：2010年5月13日至15日，意大利撒丁岛》。
[20] Jaeger，M.（2004）。概率决策图——结合验证和人工智能技术进行概率推理。，国际不确定性、模糊性和基于知识的系统杂志12 19-42·Zbl 1087.68111号 ·doi:10.1142/S0218488504002564
[21] Koivisto，M.和Sood，K.（2004年）。贝叶斯网络中的精确贝叶斯结构发现。，机器学习研究杂志5 549-573·Zbl 1222.68234号
[22] Koller，D.和Pfeffer，A.（1997年）。面向对象的贝叶斯网络。年，《第13届人工智能不确定性年会论文集》（D.Geiger和P.Shenoy编辑）302-313。Morgan Kaufmann，加利福尼亚州旧金山·兹比尔0907.90297 ·doi:10.1016/S0004-3702（97）00023-4
[23] Maathuis，M.H.、Colombo，D.、Kalisch，M.和Bühlmann，P.（2010年）。从观测数据预测大规模系统中的因果效应。，自然方法7 247-248。
[24] McAllester，D.、Collins，M.和Pereira，F.（2004年）。结构化概率建模的案例因素图。年，《第20届人工智能不确定性会议论文集》。UAI’04 382-391，摩根·考夫曼·Zbl 1161.68784号
[25] Oliver，J.J.（1993）。决策图——决策树的一个扩展。年，《第四届人工智能与统计国际研讨会论文集：1993年1月3日至6日，佛罗里达州劳德代尔堡，343年至350年》。扩展版本为TR-173，澳大利亚莫纳什大学计算机科学系。
[26] Olmsted，S.M.（1983年）。关于表示和解决决策问题的博士论文，加州斯坦福大学工程经济系统系。
[27] Pearl，J.（2009）。，因果关系：模型、推理和推理剑桥大学出版社·Zbl 1188.68291号
[28] Peer，D.、Regev，A.、Elidan，G.和Friedman，N.（2001年）。从扰动的表达式配置文件推断子网络。，生物信息学17 S215-S224。
[29] Ramsey，J.D.、Hanson，S.J.和Glymour，C.（2011年）。在Smith等人的模拟研究的DCM模型中，多主题搜索正确识别因果关系和大多数因果方向。，神经影像58 838-848。
[30] Sachs，K.、Perez，O.、Peer，D.、Lauffenburger，D.A.和Nolan，G.P.从多参数单细胞数据导出的因果蛋白质噬菌体网络。
[31] Salmerón，A.、Cano，A.和Moral，S.（2000年）。贝叶斯网络中使用概率树的重要性抽样。，计算统计与数据分析34 387-413·Zbl 1053.65006号
[32] Shafer，G.（1996）。，因果推测的艺术。麻省理工学院出版社·Zbl 0874.60003号
[33] Silander，T.和Leong，T-Y.（2013年）。学习链式事件图的动态规划算法。2013年10月6日至9日，第16届国际会议，DS 2013，新加坡（J.Fürnkranz，E.Hüllermier，T.Higuchi，eds.）201-216。斯普林格。
[34] Silander，T.和Myllymäki，P.（2006年）。找到全局最优贝叶斯网络结构的简单方法。年，《第22届人工智能会议论文集》（UAI 2006）（R.Dechter和T.Richardson编辑）445-452。AUAI出版社。
[35] Silander，T.、Roos，T.和Myllymäki，P.（2010年）。学习局部极小极大最优贝叶斯网络。，国际近似推理杂志51 544-557·Zbl 05758602号 ·doi:10.1016/j.ijar.2010.012
[36] Singh，A.P.和Moore，A.W.（2005年）。通过动态规划寻找最优贝叶斯网络技术报告编号：CMU-CALD-05-106，卡内基梅隆大学。
[37] J.Q.史密斯（2010）。，贝叶斯决策分析：原理与实践。剑桥大学出版社·Zbl 1241.62005号
[38] Smith，J.Q.和Anderson，P.E.（2008）。条件独立性和链式事件图。，人工智能172 42-68·Zbl 1182.68303号 ·doi:10.1016/j.artint.2007.05.004
[39] Smith，J.Q.和Freeman，G.（2011）。贝叶斯预测和闭式递归的分布卡尔曼滤波器。，预测杂志30 210-224·Zbl 1217.91148号 ·doi:10.1002/适用于1207
[40] Spiegelhalter，D.J.和Cowell，R.G.（1992年）。概率专家系统学习。年，贝叶斯统计4（J.M.Bernardo、J.O.Berger、A.P.Dawid和A.F.M.Smith编辑）447-465。克拉伦登出版社，英国牛津。
[41] Spites，P.、Glymour，C.和Scheines，R.（1993）。，因果、预测和搜索。纽约施普林格-弗拉格·Zbl 0806.62001
[42] Thwaites，P.（2013）。通过链式事件图识别因果关系。，人工智能291-315·1270.68300兹罗提 ·doi:10.1016/j.artint.2012.09.03
[43] Thwaites，P.、Freeman，G.和Smith，J.Q.（2009年）。链式事件图MAP模型选择。在，KEOD 09 Madeira 392-395的会议记录。
[44] Thwaites，P.、Smith，J.Q.和Cowell，R.G.（2008）。使用链事件图进行传播。《第24届人工智能不确定性会议论文集》，赫尔辛基，2008年7月（D.McAllester和P.Myllymäki编辑）546-553。
[45] Thwaites，P.、Smith，J.Q.和Riccomagno，E.（2010年）。利用连锁事件图进行因果分析。，人工智能174 889-909·Zbl 1205.68431号 ·doi:10.1016/j.artint.2010.05.004
[46] Thwaites，P.和Smith，J.（2011）。链事件的分离定理，图。
[47] Verma，T.和Pearl，J.（1991年）。因果模型的等价性和综合。《人工智能中的不确定性》6（P.P.Bonissone、M.Henrion、L.N.Kanal和J.F.Lemmer编辑）255-268。荷兰阿姆斯特丹北荷兰。
[48] Wallace，C.S.和Patrick，J.（1993）。编码决策树。，机器学习11 7-22·Zbl 0850.94027号 ·doi:10.1023/A:1022646101185
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。