[論文レビュー] Discovering Markov Blanket from Multiple interventional Datasets

Kui Yu, Lin Liu+1 more|arXiv (Cornell University)|Jan 25, 2018

Bayesian Modeling and Causal Inference参考文献 25被引用数 6

ひとこと要約

本稿では、どの変数が操作されたかを把握しない複数の介入データセットから、ターゲット変数のマルコフブループ（MB）を同定するための新規アルゴリズムMIMBを提案する。未知の介入および非同一分布下での同定可能性の理論的解析を通じて、MIMBは介入データを活用し、MBの同定に加え、因果的方向（例：親と子の区別）の同定を実現し、合成データおよび実世界のデータセットにおいて、既存手法を上回る精度と効率性を示した。

ABSTRACT

In this paper, we study the problem of discovering the Markov blanket (MB) of a target variable from multiple interventional datasets. Datasets attained from interventional experiments contain richer causal information than passively observed data (observational data) for MB discovery. However, almost all existing MB discovery methods are designed for finding MBs from a single observational dataset. To identify MBs from multiple interventional datasets, we face two challenges: (1) unknown intervention variables; (2) nonidentical data distributions. To tackle the challenges, we theoretically analyze (a) under what conditions we can find the correct MB of a target variable, and (b) under what conditions we can identify the causes of the target variable via discovering its MB. Based on the theoretical analysis, we propose a new algorithm for discovering MBs from multiple interventional datasets, and present the conditions/assumptions which assure the correctness of the algorithm. To our knowledge, this work is the first to present the theoretical analyses about the conditions for MB discovery in multiple interventional datasets and the algorithm to find the MBs in relation to the conditions. Using benchmark Bayesian networks and real-world datasets, the experiments have validated the effectiveness and efficiency of the proposed algorithm in the paper.

研究の動機と目的

• 観測データにのみ依存する従来のマルコフブループ同定手法では因果的方向を同定できないというギャップに対処すること。
• 複数の介入データセットが、ターゲット変数の真のマルコフブループを正しく回復できる条件を特定すること。
• 介入データからのMB同定によって、ターゲット変数の真の原因を同定できる条件を特定すること。
• 介入変数の特定が不明な複数の介入データセットから、効率的かつ理論的裏付けのあるMB同定アルゴリズムを開発すること。
• ベンチマークデータセットおよび実世界のデータセットを用いて、提案手法の有効性を検証し、既存手法に比べて精度と効率性の両面で優れていることを示すこと。

提案手法

• 理論的分析により、介入変数が不明な複数の介入データセットにおいて、真のマルコフブループおよびその因果構造（親子関係を含む）を同定できる条件を確立した。
• MIMBは、非同一分布を示す複数のデータセットにわたる条件付き独立性検定を統合し、一貫性に基づくアプローチを用いてMBとエッジの向きを同定した。
• アルゴリズムは、介入によって誘発されるd-分離パターンを活用する：ある第三の変数に対して介入を行った後も二つの変数が依存し続ける場合、その第三の変数を含む因果経路が存在すると示唆される。
• MIMBは二段階戦略を採用する。第一段階では、複数のデータセットにわたる条件付き独立性検定により候補MB変数を同定する。第二段階では、介入効果（例：原因に介入した後に独立性が得られる）を用いて因果方向を推定する。
• 各データセットを別個の介入文脈として扱い、すべてのデータセットにわたる一貫性チェックを実施することで、非同一分布の影響を補償した。
• スケーラビリティと効率性を考慮し、プルーニングと早期停止を用いて条件付き独立性検定の回数を最小限に抑えるように設計された。

実験結果

リサーチクエスチョン

• RQ1 どのような介入設定下で、複数の介入データセットからターゲット変数の真のマルコフブループを正しく同定できるか？
• RQ2 どのような条件下で、複数の介入データセットにおけるターゲット変数の原因がMB同定により同定可能か？
• RQ3 介入変数が不明な状況において、複数の介入データセットから効果的にマルコフブループおよびその因果構造を同定する方法は何か？
• RQ4 このような状況下でMB同定および因果方向同定の正しさを保証する理論的条件は何か？
• RQ5 提案手法は、介入データに適用した場合、既存のMB同定アルゴリズムを精度および効率性の面で上回るか？

主な発見

• MIMBはナイーブベイズを用いた分類で教育データセットにおいて最高の正解率（0.7494 ± 0.0173）を達成し、He-Geng（0.7428 ± 0.0127）およびベースライン（0.7461 ± 0.0136）を上回った。
• MIMBはHe-Geng（平均24,877 ± 2,609回）およびベースライン（平均2,498 ± 996回）に比べて著しく効率的であり、平均317 ± 105回の検定で済んだ。
• 収入、fcollege、mcollege、tuitionが教育に顕著な影響を及ぼすことが同定され、p値≤ 0.0068という強い統計的有意性を示した。
• MIMBは収入およびmcollegeが教育水準にtuitionよりもより大きな影響を及ぼしていることを正しく同定した。これは分野分野の妥当性と整合的であった。
• 非同一分布下でも複数回の実行にわたって教育のMBを高い一貫性で回復したため、アルゴリズムの頑健性が裏付けられた。
• 理論的分析により、特定の介入条件（例：親または子に介入した場合）の下では、複数の介入データセットから真のMBおよび因果構造が同定可能であることが確認された。