[논문 리뷰] Experimental Design for Cost-Aware Learning of Causal Graphs

Erik Lindgren, Murat Kocaoglu외 2명|arXiv (Cornell University)|2018. 10. 28.

Bayesian Modeling and Causal Inference참고 문헌 32인용 수 5

한 줄 요약

이 논문은 원인 발견에서 최소 비용 간섭 설계 문제를 다루며, 이 문제가 NP-난이도임을 증명하고, (2+ε)-근사 보장을 갖는 근사 알고리즘을 제안한다. 또한 희소 간섭 모델을 도입하고, 희소 그래프에서 거의 최적의 알고리즘을 개발하여 예산 제약 하에서 원인 학습의 실험 비용을 크게 감소시킨다.

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.

연구 동기 및 목표

• 변동하는 간섭 비용 하에서 원인 발견의 최소 비용 간섭 설계 문제를 정식화하고 분석한다.
• 문제의 NP-난이도를 증명하여 계산적 비가역성을 확립한다.
• 비용 인지 간섭 설계에 대해 이론적 근사 보장을 갖는 근사 알고리즘을 개발한다.
• 각 실험에서 최대 k개의 변수를 포함하는 희소 간섭으로 프레임워크를 확장한다.
• 희소 그래프에서 최소 비용 k-희소 간섭 문제에 대해 거의 최적의 알고리즘을 설계한다.

제안 방법

• 수치적 3차원 매칭 문제에서의 축소를 통해 간격 그래프 구성 방식을 이용해 NP-난이도를 증명한다.
• 이전 연구에서 제안된 근사 색칠 알고리즘의 수정을 통해 최소 비용 간섭 설계 문제에 대해 (2+ε)-근사 보장을 달성한다.
• 하위모듈러 최적화 이론을 활용해 근사 알고리즘의 성능에 대한 이론적 경계를 수립한다.
• 희소 간섭 제약 조건(k-희소)을 도입하고, 필요한 간섭 수에 대한 하한을 유도한다.
• 희소 그래프에서 k-희소 문제에 대해 (1+o(1))-근사 보장을 달성하는 새로운 알고리즘을 개발한다.
• 정점 비용을 선택 과정에 통합함으로써 무게 없는 알고리즘의 확장을 가중치가 있는 변형으로 확장한다.

실험 결과

연구 질문

• RQ1 일반적인 간섭 비용 하에서 최소 비용 간섭 설계 문제는 NP-난이도인가?
• RQ2 근사 알고리즘이 비용 인지 원인 그래프 학습에 대해 상수 요인 근사 보장을 달성할 수 있는가?
• RQ3 각 간섭이 최대 k개의 변수로 제한될 경우 간섭 설계의 이론적 성능 한계는 무엇인가?
• RQ4 희소 제약 조건 하에서 희소 그래프에 대해 거의 최적의 간섭 설계를 어떻게 달성할 수 있는가?
• RQ5 무게 없는 희소 간섭 알고리즘은 가중치가 있는 정점 비용을 처리할 수 있도록 확장할 수 있는가?

주요 결과

• 최소 비용 간섭 설계 문제는 수치적 3차원 매칭 문제에서의 축소를 통해 NP-난이도임을 증명하였다.
• 제안된 근사 알고리즘은 최소 비용 간섭 설계 문제에 대해 (2+ε)-근사 보장을 달성한다.
• k-희소 간섭이 적용되는 희소 그래프에서는 제안된 알고리즘이 (1+o(1))-근사 보장을 달성하여 渐近적으로 거의 최적이다.
• 알고리즘의 성능은 하위항까지 최적화되어 있으며, 그래프의 희소성이 증가할수록 근사 비율이 1에 수렴한다.
• 정점 비용을 독립 집합 선택 과정에 통합함으로써 무게 없는 희소 간섭 알고리즘은 가중치가 있는 경우로 확장할 수 있다.
• 이론적 프레임워크는 간섭 설계와 하위모듈러 최적화 사이의 연결 고리를 설정하여 성능 보장을 가능하게 하였다.