[논문 리뷰] gCastle: A Python Toolbox for Causal Discovery

Keli Zhang, Shengyu Zhu외 5명|arXiv (Cornell University)|2021. 11. 30.

Bayesian Modeling and Causal Inference참고 문헌 30인용 수 27

한 줄 요약

gCastle은 데이터 생성, 학습, 평가, GUI를 포함한 그래디언트 기반 인과 구성 학습을 위한 엔드-투-엔드 Python 도구상자이며, GPU 가속 및 실제 통신 데이터셋을 제공합니다.

ABSTRACT

$ exttt{gCastle}$ is an end-to-end Python toolbox for causal structure learning. It provides functionalities of generating data from either simulator or real-world dataset, learning causal structure from the data, and evaluating the learned graph, together with useful practices such as prior knowledge insertion, preliminary neighborhood selection, and post-processing to remove false discoveries. Compared with related packages, $ exttt{gCastle}$ includes many recently developed gradient-based causal discovery methods with optional GPU acceleration. $ exttt{gCastle}$ brings convenience to researchers who may directly experiment with the code as well as practitioners with graphical user interference. Three real-world datasets in telecommunications are also provided in the current version. $ exttt{gCastle}$ is available under Apache License 2.0 at \url{https://github.com/huawei-noah/trustworthyAI/tree/master/gcastle}.

연구 동기 및 목표

• 데이터 생성에서 그래프 평가에 이르는 인과 탐지를 위한 엔드-투-엔드 파이프라인을 제공한다.
• 필요 시 GPU 가속을 포함한 최첨단 그래디언트 기반 방법을 통합한다.
• 사전 지식 삽입, 이웃 선택, 사후 처리를 통한 거짓 양성 감소 등 실용적인 기능을 제공한다.
• 연구 및 배치를 촉진하기 위해 사용자 친화적인 GUI와 실제 통신 데이터셋을 포함한다.

제안 방법

• 그래디언트 기반 인과 구조 학습을 위한 포괄적인 Python 도구상자(Pytorch-enabled)를 구현한다.
• 시뮬레이터 또는 실제 데이터셋에서의 데이터 생성과 여러 데이터 생성 메커니즘(선형, MLP, 2차식, 다양한 잡음 유형)을 지원한다.
• 그래디언트 기반, 제약 기반, 함수 기반 및 점수 기반 범주에 걸친 19개의 인과 탐지 알고리즘 라이브러리를 제공한다.
• FDR, TPR, SHD 등 평가 지표와 루트-원인 분석을 위한 도메인 특화 gScore를 포함한다.
• 사전/사후처리 유틸리티(사전 지식 삽입, 이웃 선택, 사후 처리) 및 시각화를 위한 GUI를 제공한다.
• GUI 사용을 위한 Docker 이미지와 함께 pip/setup.py를 통해 배포한다.

실험 결과

연구 질문

• RQ1 GPU 가속을 갖춘 순수 Python 도구상자에서 그래디언트 기반 인과 발견 방법을 효과적으로 구현할 수 있는가?
• RQ2 시뮬레이션 및 실제 통신 데이터세트에 적용했을 때 그래디언트 기반 방법은 전통적인 인과 발견 알고리즘과 어떻게 비교되는가?
• RQ3 GCastle에서 학습된 그래프의 신뢰성을 개선하는 사전 지식, 이웃 선택, 사후 처리와 같은 실용적 보조 수단은 무엇인가?
• RQ4 GUI가 연구자와 실무자에게 인과 그래프의 실험 및 시각화를 더 쉽게 하도록 돕는가?

주요 결과

• gCastle은 19개의 인과 발견 알고리즘을 구현하며, 그래디언트 기반 방법과 GPU 가속을 강조한다.
• 도구상자는 시뮬레이터나 실제 소스에서 데이터 생성을 지원하고 9개의 평가 지표를 제공한다(예: FDR, TPR, SHD).
• 세 가지 실제 통신 데이터셋이 포함되어 있으며, 실제 원인 그래프는 비즈니스 전문가가 라벨링했다.
• 작업 설계 및 학습된 그래프 시각화를 위한 사용자 친화적인 GUI가 제공된다.
• 패키지는 거짓 발견 감소를 위한 사전 지식 삽입, 예비 이웃 선택 및 사후 처리와 같은 실용적 기능을 제공한다.
• 설치은 배치를 단순화하기 위해 pip, setup.py 및 Docker 이미지를 지원한다.