[논문 리뷰] BDgraph: Bayesian Structure Learning of Graphs in R

Reza Mohammadi, Ernst C. Wit|arXiv (Cornell University)|2015. 01. 21.

Bayesian Modeling and Causal Inference참고 문헌 20인용 수 4

한 줄 요약

BDgraph는 연속형, 이산형, 혼합형 변수를 가진 비방향 그래픽 모델에 대한 베이지안 구조 학습을 가능하게 하는 R 패키지로, 효율적인 C++ 가속 계산과 병렬 처리를 활용한다. 이는 분해 가능하고 비분해 가능한 그래프를 모두 지원하며, 최근의 베이지안 문헌에서 유래한 고급 방법을 통합하여 시뮬레이션, 시각화 및 실제 데이터 예제를 통해 포괄적인 모델 탐색을 제공한다.

ABSTRACT

Graphical models provide powerful tools to uncover complicated patterns in multivariate data and are commonly used in Bayesian statistics and machine learning. In this paper, we introduce the R package BDgraph which performs Bayesian structure learning for general undirected graphical models (decomposable and non-decomposable) with continuous, discrete, and mixed variables. The package efficiently implements recent improvements in the Bayesian literature, including that of Mohammadi and Wit (2015) and Dobra and Mohammadi (2018). To speed up computations, the computationally intensive tasks have been implemented in C++ and interfaced with R, and the package has parallel computing capabilities. In addition, the package contains several functions for simulation and visualization, as well as several multivariate datasets taken from the literature and used to describe the package capabilities. The paper includes a brief overview of the statistical methods which have been implemented in the package. The main part of the paper explains how to use the package. Furthermore, we illustrate the package's functionality in both real and artificial examples.

연구 동기 및 목표

• 다양한 변수 유형에 걸쳐 비방향 그래픽 모델의 포괄적인 R 패키지 개발을 목적으로 한다.
• Mohammadi & Wit (2015) 및 Dobra & Mohammadi (2018)의 최근 베이지안 그래픽 모델링 기법을 구현한다.
• C++ 통합과 병렬 계산 기능을 통해 계산 효율성을 향상시킨다.
• 실제 및 인위적인 다변량 데이터 세트를 활용한 시뮬레이션, 시각화, 실증적 검증을 위한 도구를 제공한다.
• 통합된 R 프레임워크 내에서 분해 가능하고 비분해 가능한 그래픽 모델을 모두 지원한다.

제안 방법

• 패키지는 비방향 그래픽 모델의 구조 학습을 위해 베이지안 마르코프 체인 몬테카를로(MCMC) 방법을 사용한다.
• 그래픽 가우시안 모델과 조건부 독립성 구조에 대한 효율적인 샘플링 알고리즘을 구현한다.
• 계산적으로 부담스러운 구성 요소는 C++로 구현하고 R과 인터페이스하여 성능을 향상시킨다.
• 다중 코어 또는 노드를 활용한 MCMC 샘플링을 가속화하기 위해 병렬 계산을 지원한다.
• 알려진 그래픽 구조를 가진 다변량 데이터를 시뮬레이션하는 기능이 포함되어 있다.
• 추정된 그래프와 모델 비교를 시각화할 수 있는 도구가 제공된다.

실험 결과

연구 질문

• RQ1 혼합 변수 유형을 가진 일반적인 비방향 그래픽 모델에 대해 베이지안 구조 학습을 어떻게 효율적으로 적용할 수 있는가?
• RQ2 R 기반의 베이지안 그래픽 모델링에 C++와 병렬 계산을 통합함으로써 얻을 수 있는 성능 향상은 무엇인가?
• RQ3 구현된 방법은 실제 데이터와 시뮬레이션 데이터 양쪽에서 참 그래픽 구조를 얼마나 잘 복원하는가?
• RQ4 패키지는 분해 가능하고 비분해 가능한 그래픽 모델을 효과적으로 처리할 수 있는가?
• RQ5 시각화 및 시뮬레이션 기능은 모델 검증과 해석을 어떻게 지원하는가?

주요 결과

• BDgraph 패키지는 연속형, 이산형, 혼합형 변수를 포함한 비방향 그래픽 모델에 대한 베이지안 구조 학습을 성공적으로 지원한다.
• C++ 통합과 병렬 계산이 MCMC 샘플링의 계산 속도를 크게 향상시킨다.
• 실제 및 시뮬레이션 데이터 세트에서 그래픽 구조를 정확하게 복원할 수 있다.
• 시뮬레이션 및 시각화 기능이 모델 탐색 및 검증 능력을 향상시킨다.
• 최근의 베이지안 방법 구현으로 인해 복잡한 다변량 의존성에 대해 최신 기술과 강력한 추론을 보장한다.
• 패키지는 확장 가능하며 기존의 문헌에서 활용 가능한 다변량 데이터 세트와도 사용 가능하다.