跳到主要内容
返回时间线
arXiv来源发表:

把“这两个变量独立”写进因果搜索:NOTREKS 让 DAGMA 与 FLOP 在合成基准上同时改善结构恢复和效应识别

核心概要

因果发现中,已知的边际独立关系此前只被间接对待:评分搜索并不显式强制这些独立性,有限样本下估出的图可能与已知事实矛盾。NOTREKS 在忠实性假设下把边际独立对翻译成“两节点之间不存在 trek(共享源头的两条有向路径)”的图约束,并分别以可微的 PSTrek 惩罚接入梯度方法 DAGMA、以 trek 感知的父节点搜索接入顺序方法 FLOP。在带 oracle NOTREKS 信息的线性高斯合成基准上,两个变体相对各自原版都改善 CPDAG 结构距离与 Ancestor-AID 效应识别距离,且未出现显著变差。

Source-provided article image: NOTREKS: Marginal Independence in Score-based Structure Learning
Figure 1 · arXiv · 第 2 页

深度剖析

评分式因果发现现在可以把“某两个变量边际独立”当作搜索中的硬性图约束使用,而不只是事后检查。 这类方法原本不显式强制独立性约束,估出的图所隐含的独立性只从评分优化中间接产生,在有限样本或模型设定偏差下可能与已知事实冲突。 在 d=10、n=100 的线性高斯设定下,对全部 DAG 全局最小化 BIC 并施加正确的边际独立约束时,真实马尔可夫等价类被恢复的次数多于不加约束的情形。

约束通过“无 trek”这一图形条件实现:两个变量之间若不存在共享源头的两条有向路径,则在忠实性下二者边际独立。 此前梯度方法只通过 PC 算法导出的支撑掩码或逐条边屏蔽来局部使用独立性信息,一般不会强制所有隐含的无 trek 约束。 对梯度方法,PSTrek 惩罚把无 trek 条件写成权重矩阵的光滑函数,并在 DAGMA 的可行域内复用其已有的矩阵逆,计算量为 O(d3);对顺序搜索,FLOP 的增删父节点过程会拒绝任何破坏约束的加边。

在合成基准上,带正确 NOTREKS 信息的两个变体都优于各自原版,且从未显著变差。 原版 DAGMA 仅略优于按边际方差或可预测性排序的诊断基线,而 FLOP 在不带先验时本身已表现很好。 DAGMA+NOTREKS 在所有设定和两个指标上都显著改善,且随样本量增大而扩大;FLOP+NOTREKS 在 n=100 的所有稀疏设定上显著改善,例如 k=4、d=100 时 Ancestor-AID 平均减少 286。

启示与展望

实验集中在带异方差噪声的线性高斯结构方程模型,图取自 Erdős–Rényi 与 Watts–Strogatz 族,FLOP 覆盖 d 为 20、50、100,DAGMA 覆盖 d 为 20、50;先验为从真实图导出的 oracle NOTREKS 信息,按可用无 trek 对的比例 q 取 0、四分之一和全部。

先验被假定为正确且完整,而实际先验可能不完整或部分错误;错误硬约束会排除真实图,软惩罚则可在违反约束与拟合数据之间权衡。在半合成制造基准 CausalMan 与 CausalAssembly 上,数据生成机制与假设模型偏离较大,所有方法的结构恢复都困难,NOTREKS 信息未带来一致改善。约束搜索相对真实图的 BIC 差距更大,说明受约束的搜索并不总能找到最好的可行图。