[論文レビュー] Making Sensitivity Analysis Computationally Efficient

Uffe Kjærulff, Linda C. van der Gaag|arXiv (Cornell University)|Jan 16, 2013

Bayesian Modeling and Causal Inference参考文献 12被引用数 164

ひとこと要約

本稿では、1つのジュンクションツリー伝搬を用いてすべてのパラメータの係数を同時に計算することにより、繰り返しのネットワーク評価の必要を減らす、計算的に効率的なベイジアンネットワークにおける感度分析手法を提案する。このアプローチにより、従来の方法に比べて顕著な性能向上を達成した1方向およびn方向の感度分析が可能になる。

ABSTRACT

To investigate the robustness of the output probabilities of a Bayesian network, a sensitivity analysis can be performed. A one-way sensitivity analysis establishes, for each of the probability parameters of a network, a function expressing a posterior marginal probability of interest in terms of the parameter. Current methods for computing the coefficients in such a function rely on a large number of network evaluations. In this paper, we present a method that requires just a single outward propagation in a junction tree for establishing the coefficients in the functions for all possible parameters; in addition, an inward propagation is required for processing evidence. Conversely, the method requires a single outward propagation for computing the coefficients in the functions expressing all possible posterior marginals in terms of a single parameter. We extend these results to an n-way sensitivity analysis in which sets of parameters are studied.

研究の動機と目的

• 従来のベイジアンネットワークにおける感度分析の高い計算コストを軽減すること。
• 感度係数を計算するために必要なネットワーク評価回数を減らすこと。
• 複数のパラメータにわたる効率的な1方向およびn方向の感度分析を可能にすること。
• ネットワークのサイズと複雑さに応じて良好にスケーリングする手法を開発すること。
• 確率的推論システムにおけるロバストネス評価のための実用的なフレームワークを提供すること。

提案手法

• 1つの外向き伝搬をジュンクションツリーで実行し、すべてのパラメータの感度係数を同時に計算する。
• 感度分析中に証拠を効率的に処理するために内向き伝搬を採用する。
• 一貫したフレームワーク内でパラメータの集合を分析することで、n方向の感度分析へと手法を拡張する。
• ジュンクションツリーの構造を活用して、重複するネットワーク評価を回避する。
• パラメータの変動を関数として、事後確率の周辺分布の解析的表現を導出する。
• 局所的およびグローバルな感度分析の両方のシナリオにこの手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、ベイジアンネットワークにおける感度分析を計算的に効率化できるか？
• RQ2 1つのジュンクションツリー伝搬が、感度係数を計算するための複数回の評価を置き換えることができるか？
• RQ3 1方向およびn方向の感度分析に統合的な伝搬手法を用いることで、どの程度のパフォーマンス向上が得られるか？
• RQ4 ネットワークのサイズとパラメータ数の増加に伴って、この手法はどのようにスケーリングするか？
• RQ5 この手法は、効率的にパラメータの集合（n方向分析）を分析するために拡張可能か？

主な発見

• 提案手法は、すべてのパラメータの感度係数を計算するために、ジュンクションツリーにおける1回の外向き伝搬で十分であり、計算オーバーヘッドを顕著に削減する。
• 1回の伝搬で1つのパラメータに関するすべての事後周辺確率の係数を計算できるため、1方向の感度分析が効率的に行える。
• n方向の感度分析では、追加のネットワーク評価が不要な状態で、パラメータの集合を同時に分析できる。
• パラメータごとに多数の個別のネットワーク評価を必要とする従来の方法に比べて、このアプローチは顕著に優れている。
• 正確性を維持したまま顕著な高速化を達成しており、より大きなネットワークに対しても感度分析が実用可能になる。
• この技術は一般性を有し、ロバストネス評価を要するさまざまなベイジアンネットワーク推論タスクに適用可能である。