[논문 리뷰] Py-Tetrad and RPy-Tetrad: A New Python Interface with R Support for Tetrad Causal Search

Joseph Ramsey, Bryan Andrews|PubMed|2023. 08. 13.

Bayesian Modeling and Causal InferenceComputer Science참고 문헌 2인용 수 3

한 줄 요약

이 논문은 JPype와 Reticulate를 통해 Tetrad 인과 발견 프레임워크에 원활하게 접근할 수 있도록 해주는 새로운 파이썬 및 R 인터페이스인 Py-Tetrad와 RPy-Tetrad를 소개한다. 최신이고 안정적인 인터페이스를 활용함으로써 오래된 라이브러리인 javabridge와 rjava의 한계를 극복하여 GRaSP, FGES, FCI를 포함한 Tetrad의 최신 알고리즘에 완전히 접근할 수 있으며, 설치 개선, 다국어 호환성 향상, 파이썬 및 R 사용자 대상의 최신 지원을 제공한다.

ABSTRACT

We give novel Python and R interfaces for the (Java) Tetrad project for causal modeling, search, and estimation. The Tetrad project is a mainstay in the literature, having been under consistent development for over 30 years. Some of its algorithms are now classics, like PC and FCI; others are recent developments. It is increasingly the case, however, that researchers need to access the underlying Java code from Python or R. Existing methods for doing this are inadequate. We provide new, up-to-date methods using the JPype Python-Java interface and the Reticulate Python-R interface, directly solving these issues. With the addition of some simple tools and the provision of working examples for both Python and R, using JPype and Reticulate to interface Python and R with Tetrad is straightforward and intuitive.

연구 동기 및 목표

• 데이터 과학 및 통계 연구 분야에서 현재 주로 사용되는 파이썬과 R에서 연구자들이 Tetrad의 고급 인과 발견 알고리즘에 접근할 수 있도록 하는 데 목적이 있다.
• 과거의 인터페이스인 javabridge와 rjava는 오래되었고, 특히 맥OS에서 불안정하며 Tetrad의 전체 功能에 대한 액세스를 제한한다는 점에서 기존의 한계를 극복하는 데 목적이 있다.
• 파이썬과 R를 통해 Tetrad의 전체 자바 코드베이스에 완전히 액세스할 수 있도록 현대적이고 유지보수 가능하며 확장 가능한 인터페이스를 제공하여 보급성과 재현 가능성을 높이는 데 목적이 있다.
• 파이썬/파이썬과 Tetrad 간의 직접적인 데이터 및 그래프 변환을 통해 Tetrad를 데이터 과학 워크플로우에 간편하게 통합할 수 있도록 하며, 내장된 도구와 예제를 제공하는 데 목적이 있다.

제안 방법

• 저자들은 파이썬 네이티브 방식으로 Tetrad의 자바 기반 인과 탐색 알고리즘에 액세스할 수 있도록 JPype 라이브러리를 사용하여 Py-Tetrad를 개발했다.
• 저수준의 JPype 호출을 추상화하는 고수준의 TetradSearch 클래스를 구현하여, 사용자가 자바 인터페이스 코드를 작성하지 않고도 그래프 구축, 점수 선택, 알고리즘 실행 등의 일반적인 작업을 수행할 수 있도록 했다.
• R 사용자를 위해 RPy-Tetrad 패키지는 Py-Tetrad에 접근하기 위해 Reticulate를 활용하였으며, R과 파이썬 간의 양방향 데이터 공유를 가능하게 하고, 연결을 파이썬을 통해 라우팅하여 복잡성을 줄이고 일관성을 확보했다.
• 파이썬/파이썬과 Tetrad 간의 데이터셋 및 그래픽 모델 변환을 위한 사전 패ckaged 유틸리티가 포함되어 있으며, Graphviz와 DiagrammeR를 통한 그래프 시각화 기능도 지원한다.
• GRaSP, FGES, FCI와 같은 핵심 알고리즘의 사용법을 보여주는 최신이고 작동 가능한 예제를 파이썬과 R 모두에 제공하였으며, 부트스트래핑 및 점수 기반의 구조 학습 기능도 지원한다.
• 확장성과 유지보수성을 고려하여 설계되었으며, pip 및 CRAN 설치 지원 계획이 있으며, 피드백은 GitHub 이슈 추적을 통해 환영한다.

Figure 1: Graph for the JPype example in the text for ”Apple Watch Fitbit.”

실험 결과

연구 질문

• RQ1 파이썬과 R 사용자들이 자바로 작성된 알고리즘을 기반으로 한 Tetrad의 인과 발견 알고리즘에 신뢰성 있고 완전한 액세스를 어떻게 확보할 수 있는가?
• RQ2 py-causal과 r-causal과 같은 기존 인터페이스의 한계는 무엇이며, 특히 오래된 종속성과 Tetrad 전체 코드베이스에 대한 액세스 제한이 어떤 영향을 미치는가?
• RQ3 JPype와 Reticulate를 사용하여 파이썬과 R 양쪽 모두에서 안정적이고 유지보수 가능하며 사용자 友好的한 Tetrad 자바 기반 프레임워크 인터페이스를 효과적으로 만들 수 있는가?
• RQ4 실제로 파이썬/파이썬과 Tetrad의 자바 표현 간에 데이터 및 그래픽 모델을 효율적이고 신뢰성 있게 변환하는 방법은 무엇인가?
• RQ5 javabridge와 rjava와 같은 구형 인터페이스를 현대적 대체품으로 교체함으로써 사용성, 신뢰성, 기능 액세스 향상에 어떤 개선을 이룰 수 있는가?

주요 결과

• Py-Tetrad와 RPy-Tetrad는 이전에 py-causal이나 r-causal과 같은 오래된 도구로는 접근이 어려웠던 GRaSP, FGES, FCI를 포함한 Tetrad의 최신 알고리즘에 완전히 액세스할 수 있다.
• JPype의 사용은 javabridge에서 흔히 발생하는 설치 문제—특히 맥OS에서의 문제—를 제거하여 인터페이스의 신뢰성과 배포 용이성을 크게 향상시켰다.
• R 사용자는 이제 Reticulate를 통해 Tetrad의 전체 功能에 액세스할 수 있으며, R과 파이썬 간에 직접 데이터와 그래프를 공유함으로써 복잡성을 줄이고 업데이트 시 일관성을 확보할 수 있다.
• TetradSearch 클래스는 사용자가 저수준의 JPype 코드를 작성하지 않아도 핵심 기능에 고수준으로 접근할 수 있도록 하여 비전문가 사용자에게도 접근성을 향상시켰다.
• 부트스트래핑(예: 30중복 샘플링) 및 엣지 빈도 시각화와 같은 고급 기능을 지원하며, 결과는 R에서 Graphviz와 DiagrammeR를 통해 표시된다.
• 저자들은 초기 피드백이 매우 긍정적이며, pip 및 CRAN 설치를 통해 설치를 단순화할 계획이 있어 광범위한 보급 잠재력을 보이고 있다.

Figure 2: Plot matrix for the R code ”NASA Airfoil Self-Noise” example; this is displayed in the Plots window in RStudio. The psych package in R produced this plot matrix.