[论文解读] Causal Discovery from Subsampled Time Series Data by Constraint Optimization

Antti Hyttinen, Sergey Plis+3 more|PubMed|Feb 25, 2016

Bayesian Modeling and Causal Inference参考文献 21被引用 13

一句话总结

本文提出了一种约束优化框架，用于从子采样时间序列数据中进行因果发现，利用布尔约束求解器从粗粒度观测数据中推断真实系统时间尺度的因果结构。该方法相比先前方法实现数量级更快的计算速度，并能最优地解决有限样本数据中统计误差引起的冲突，从而在高子采样率下仍能实现稳健的非参数因果结构估计。

ABSTRACT

This paper focuses on causal structure estimation from time series data in which measurements are obtained at a coarser timescale than the causal timescale of the underlying system. Previous work has shown that such subsampling can lead to significant errors about the system's causal structure if not properly taken into account. In this paper, we first consider the search for the system timescale causal structures that correspond to a given measurement timescale structure. We provide a constraint satisfaction procedure whose computational performance is several orders of magnitude better than previous approaches. We then consider finite-sample data as input, and propose the first constraint optimization approach for recovering the system timescale causal structure. This algorithm optimally recovers from possible conflicts due to statistical errors. More generally, these advances allow for a robust and non-parametric estimation of system timescale causal structures from subsampled time series data.

研究动机与目标

• 为解决从采样频率低于底层因果动态过程的时间序列数据中推断真实系统时间尺度因果结构的挑战。
• 克服现有方法忽略子采样效应或依赖严格参数模型的局限性。
• 开发一种可扩展的非参数方法，能够处理有限样本数据，并解决独立性检验中因统计误差引起的冲突。
• 在未知或变化的子采样率下实现因果发现，而无需事先知晓测量时间尺度。

提出的方法

• 该方法将真实系统时间尺度的因果过程建模为无瞬时（同期）效应的一阶马尔可夫过程，以动态贝叶斯网络结构表示。
• 采用展开图表示 $\mathcal{G}^1$ 以紧凑方式编码系统时间尺度的因果结构，其中边 $V_i \rightarrow V_j$ 对应于完整时间序列中的 $V_i^{t-1} \rightarrow V_j^t$。
• 对有限样本数据应用统计条件独立性检验，以生成对测量时间尺度下可能因果结构的约束。
• 通过通用布尔约束求解器（如 Clingo）实现的约束优化框架，整合这些约束并找到最小化冲突的最优因果结构。
• 采用两种加权方案——均匀加权与伪布尔加权——以编码对独立性检验结果的置信度，后者在准确性和计算效率方面均有提升。
• 通过将子采样率作为约束满足过程中的参数，将该方法推广至处理未知或变化的子采样率。

实验结果

研究问题

• RQ1 我们能否从采样频率低于底层因果过程的时间序列数据中准确恢复真实的系统时间尺度因果结构？
• RQ2 如何最优地解决因有限样本数据中统计误差引起的独立性约束冲突？
• RQ3 我们能否在子采样时间序列的因果发现中，相比现有基于约束的方法，显著提升计算效率？
• RQ4 该方法在未知或变化的子采样率下，能在多大程度上实现泛化，而无需事先知晓测量频率？

主要发现

• 所提出的约束优化方法相比 Plis 等人（2015b）的最先进方法实现数量级更快的计算速度，对于小型网络，求解时间从数十分钟缩短至数秒。
• 伪布尔加权方案在准确性和效率方面均优于均匀加权，在一系列 p 值阈值下均实现了高真正例率与低假正例率。
• 对于 $n=7$ 的网络与子采样率 $u=2$ 的情况，使用伪布尔方案可在数秒内完成全部 100 次运行，而均匀加权方案则需数十分钟。
• 更大的样本量（$N=500$）相比小样本（$N=200$）可减少运行时间，因为统计检验产生的冲突约束更少。
• 当使用最优独立性检验参数时，该方法能以高精度恢复真实的系统时间尺度结构 ${\cal{G}}^1$，尤其在伪布尔加权方案下表现更优。
• 该方法可扩展至 12 节点图，使用 $N=1000$ 个样本时可在合理时间内找到全局最优解，证明了其在中等规模系统中的实际可行性。