[論文レビュー] Experimental Design for Cost-Aware Learning of Causal Graphs

Erik Lindgren, Murat Kocaoglu+2 more|arXiv (Cornell University)|Oct 28, 2018

Bayesian Modeling and Causal Inference参考文献 32被引用数 5

ひとこと要約

本稿は、変数の干渉コストが異なる状況下での因果発見における最小コスト干渉設計問題に取り組み、それがNP困難であることを証明し、(2+ε)-近似保証を持つグリーディアルゴリズムを提案する。さらに、スパース干渉モデルを導入し、スパースグラフにおいてほぼ最適なアルゴリズムを構築することで、予算制約下での因果学習における実験コストを顕著に削減する。

ABSTRACT

We consider the minimum cost intervention design problem: Given the essential graph of a causal graph and a cost to intervene on a variable, identify the set of interventions with minimum total cost that can learn any causal graph with the given essential graph. We first show that this problem is NP-hard. We then prove that we can achieve a constant factor approximation to this problem with a greedy algorithm. We then constrain the sparsity of each intervention. We develop an algorithm that returns an intervention design that is nearly optimal in terms of size for sparse graphs with sparse interventions and we discuss how to use it when there are costs on the vertices.

研究の動機と目的

• 変動する干渉コストを伴う因果発見における最小コスト干渉設計問題を形式化し、分析すること。
• 問題のNP困難性を証明し、計算的非効率性を確立すること。
• コスト感知干渉設計に対して理論的近似保証を持つグリーディアルゴリズムを開発すること。
• 各実験で高々k個の変数に制限されるスパース干渉にフレームワークを拡張すること。
• スパースグラフにおける最小コストkスパース干渉問題に対して、ほぼ最適なアルゴリズムを設計すること。

提案手法

• 数値3次元マッチング問題への還元により、区間グラフ構築を介してNP困難性を証明する。
• 先行研究のグリーディーカラーイングアルゴリズムを修正し、最小コスト干渉設計問題に対して(2+ε)-近似を得る。
• サブモジュラ最適化理論を用いて、グリーディアルゴリズムの性能に対する理論的境界を確立する。
• スパース干渉制約（kスパース）を導入し、必要な干渉回数の下界を導出する。
• スパースグラフにおけるkスパース問題に対して(1+o(1))-近似を達成する新しいアルゴリズムを開発する。
• 頂点コストを選択プロセスに組み込むことで、重みなしアルゴリズムを重み付きバージョンに拡張する。

実験結果

リサーチクエスチョン

• RQ1 一般の干渉コストを伴う最小コスト干渉設計問題はNP困難か？
• RQ2 グリーディアルゴリズムは、コスト感知因果グラフ学習に対して定数因子近似を達成できるか？
• RQ3 各干渉が高々k個の変数に制限される場合、干渉設計の理論的性能限界は何か？
• RQ4 スパース制約下でスパースグラフに対してほぼ最適な干渉設計をどのように達成できるか？
• RQ5 重みなしスパース干渉アルゴリズムを、頂点コストを考慮した重み付きケースに拡張できるか？

主な発見

• 最小コスト干渉設計問題は、数値3次元マッチング問題への還元によりNP困難であることが証明された。
• 提案されたグリーディアルゴリズムは、最小コスト干渉設計問題に対して(2+ε)-近似を達成する。
• kスパース干渉を伴うスパースグラフでは、提案されたアルゴリズムが(1+o(1))-近似を達成し、漸近的にほぼ最適である。
• アルゴリズムの性能は、低次の項を除いて最適であり、グラフのスパarsityが高くなるに従い近似比が1に近づく。
• 頂点コストを独立集合選択プロセスに組み込むことで、重みなしスパース干渉アルゴリズムを重み付きケースに拡張できる。
• 理論的枠組みにより、干渉設計とサブモジュラ最適化の間の関係が確立され、性能保証が可能になった。