[논문 리뷰] The R Package stagedtrees for Structural Learning of Stratified Staged Trees

Federico Carli, Manuele Leonelli외 2명|arXiv (Cornell University)|2020. 04. 14.

Bayesian Modeling and Causal Inference인용 수 4

한 줄 요약

이 논문은 데이터로부터 계층적 단계 트리와 체인 이벤트 그래프의 구조 학습을 위한 점수 기반 및 군집 기반 알고리즘을 구현한 R 패키지 stagedtrees를 소개한다. 이 패키지는 모델 시각화, 추론 및 비교를 가능하게 하며, 타이타닉 데이터셋에 대한 실증적 검증을 통해 AIC 및 BIC 기준으로 힐 클라이밍 기반 학습이 거리 기반 군집 기반 학습보다 모델 적합도에서 뛰어난 성능을 보임을 보여준다.

ABSTRACT

stagedtrees is an R package which includes several algorithms for learning the structure of staged trees and chain event graphs from data. Score-based and clustering-based algorithms are implemented, as well as various functionalities to plot the models and perform inference. The capabilities of stagedtrees are illustrated using mainly two datasets both included in the package or bundled in R.

연구 동기 및 목표

• 데이터로부터 단계 트리와 체인 이벤트 그래프의 구조를 학습하기 위한 종합적인 R 패키지 개발
• 연구자들이 단계 트리 모델을 시각화하고 추론하며 비교할 수 있도록 도구 제공
• 점수 기반(예: 힐 클라이밍) 및 군집 기반(예: 응집형 계층적 군집) 알고리즘을 모두 사용한 구조 학습 지원
• bnlearn과 같은 기존 베이지안 네트워크 도구와의 통합을 가능하게 하여 베이지안 네트워크를 단계 트리로 변환
• 평가 및 비교를 위한 모델 선택 기준(AIC, BIC) 제공

제안 방법

• 모델 적합도를 최적화하기 위해 점수 기반 구조 학습을 힐 클라이밍(stages_hc) 및 백워드 선택(stages_bj) 알고리즘을 통해 구현
• 에지 레이블 유사도 기반으로 정점들을 단계로 군집화하는 응집형 계층적 군집 기반 학습(agglomerative hierarchical clustering) 통합
• bnlearn에서 생성된 베이지안 네트워크를 as_sevt 함수를 사용해 단계 트리로 변환하는 기능 제공
• 단계 레이블, 노드 크기 및 경로 확률을 표시할 수 있는 옵션을 제공하는 플롯 함수를 통해 모델 시각화 지원
• 두 모델 간의 단계 구조 차이를 식별하는 compare_stages 함수를 통해 모델 비교 기능 제공
• 경쟁적인 모델 구조 중에서 최적의 모델을 선택하기 위해 AIC 및 BIC 기준을 사용한 모델 평가 구현

실험 결과

연구 질문

• RQ1 점수 기반 및 군집 기반 알고리즘을 사용하여 이산 데이터로부터 단계 트리와 체인 이벤트 그래프를 효과적으로 학습할 수 있는가?
• RQ2 히르 클라이밍 알고리즘과 거리 기반 군집 알고리즘 간의 단계 트리 구조 학습 성능 차이는 어떠한가?
• RQ3 맥락 기반 조건부 인적 독립성을 향상시키기 위해 베이지안 네트워크를 체계적으로 단계 트리 표현으로 변환할 수 있는가?
• RQ4 AIC 및 BIC와 같은 모델 선택 기준이 최적의 단계 트리 구조를 식별하는 데 얼마나 기여하는가?
• RQ5 stagedtrees 패키지는 재단계화 및 재추정을 통해 학습된 모델을 반복적으로 개선하는 데 기여할 수 있는가?

주요 결과

• stagedtrees 패키지는 단계 트리와 체인 이벤트 그래프의 구조 학습 알고리즘을 성공적으로 구현하였으며, 모델 시각화 및 추론 기능을 지원한다.
• 히르 클라이밍 알고리즘(stages_hc)은 타이타닉 데이터셋에서 가장 낮은 AIC(10364.49) 및 BIC(10449.94) 값을 기록하여 가장 우수한 모델 적합도를 보였다.
• 군집 기반 알고리즘(stages_bj)은 가장 낮은 BIC 점수(10475.82)를 기록하여, 계산 효율성은 높지만 모델 선택에는 덜 적합함을 확인하였다.
• compare_stages를 사용한 모델 비교 결과, mod1과 mod3는 성별 및 생존 여부에 대해 유사한 단계 구조를 보였지만, 연령 변수에 대해서는 상당한 단계 구조 차이를 보였다.
• 패키지는 bnlearn 베이지안 네트워크를 단계 트리로의 원활한 변환을 가능하게 하여 맥락 기반 독립성의 더 풍부한 모델링을 가능하게 한다.
• stagedtrees 패키지는 CRAN에 무료로 제공되며, 시연 및 검증을 위한 두 개의 내장 데이터셋을 포함하고 있다.