[論文レビュー] Sensitivity Analysis in Bayesian Networks: From Single to Multiple Parameters

Hei Chan, Adnan Darwiche|arXiv (Cornell University)|Jul 11, 2012

Bayesian Modeling and Causal Inference参考文献 11被引用数 6

ひとこと要約

本稿は、ベイジアンネットワークにおける感度分析を単一パラメータから複数パラメータへの拡張し、元の分布への摂動を最小限に抑えつつ照会制約を満たす最適なパラメータ変更を特定する手法を導入する。計算複雑性を同定し、ネットワークデバッグや情報信頼性の評価への応用を可能にする。

ABSTRACT

Previous work on sensitivity analysis in Bayesian networks has focused on single parameters, where the goal is to understand the sensitivity of queries to single parameter changes, and to identify single parameter changes that would enforce a certain query constraint. In this paper, we expand the work to multiple parameters which may be in the CPT of a single variable, or the CPTs of multiple variables. Not only do we identify the solution space of multiple parameter changes that would be needed to enforce a query constraint, but we also show how to find the optimal solution, that is, the one which disturbs the current probability distribution the least (with respect to a specific measure of disturbance). We characterize the computational complexity of our new techniques and discuss their applications to developing and debugging Bayesian networks, and to the problem of reasoning about the value (reliability) of new information.

研究の動機と目的

• ベイジアンネットワークにおける既存の単一パラメータ感度分析を、複数の同時パラメータ変更を扱えるように一般化すること。
• 望ましい照会制約を満たす複数パラメータ変更の解空間を同定すること。
• 元の確率分布への摂動が最小となる妥当な複数パラメータ変更の最適解を同定すること。
• 複数パラメータ感度分析手法の計算複雑性を同定すること。
• ネットワークデバッグや新規情報の信頼性評価といった実用的応用を支援すること。

提案手法

• 本手法は、条件付き確率表（CPT）における連携するパラメータ摂動の最適化問題として、複数パラメータ感度分析を定式化する。
• 摂動が元の分布から引き起こす摂動を定量化するために、距離尺度（例：Kullback-Leibler発散）を用いる。
• 照会制約（例：P(X|E) ≥ 0.9）が満たされるパラメータ空間内の妥当領域を同定する。
• 制約付き最適化技術を用いて、照会制約を満たしつつ摂動を最小限に抑える最適解を特定する。
• 複数のCPTにまたがる、変数内および変数間の両方のパラメータ変更を処理する。
• 計算複雑性を形式的に分析し、特定の構造的仮定の下では問題が実行可能であることを示す。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンネットワークにおいて、望ましい照会制約を満たす複数のパラメータ変更の集合は何か？
• RQ2 元の確率分布への摂動が最小となる最適なパラメータ変更集合は、どのように特定できるか？
• RQ3 ベイジアンネットワークにおける複数パラメータ感度分析問題を解く際の計算複雑性は何か？
• RQ4 複数パラメータ感度分析は、エラーの検出やベイジアンネットワークモデルの信頼性向上にどのように応用できるか？
• RQ5 信念更新における新規情報の価値を評価するにあたり、複数パラメータ摂動が示す意味は何か？

主な発見

• 本稿は、与えられた照会制約を満たす複数パラメータ変更の完全な解空間を同定し、単一パラメータ分析を拡張した。
• 特定の発散尺度（例：KL発散）を用いて、摂動を最小限に抑える最適なパラメータ変更集合を計算する手法を提示した。
• 提案手法の計算複雑性は形式的に分析され、中程度の条件付き独立構造を有するネットワークでは実行可能であることが示された。
• 不一致する照会結果を是正する妥当なパラメータ調整を同定することで、ベイジアンネットワークの体系的デバッグを可能にする。
• 信念を所望の方向にシフトさせるために必要な証拠の量を定量化することで、新規情報の信頼性に関する推論を支援する。
• 従来の単一パラメータ感度分析を一般化し、信念ネットワークにおけるロバストネス分析の基盤を提供する。