[论文解读] Causal Network Learning from Multiple Interventions of Unknown Manipulated Targets

Yango He, Zhi Geng|arXiv (Cornell University)|Oct 27, 2016

Bayesian Modeling and Causal Inference参考文献 19被引用 7

一句话总结

本文提出两种从多个干预实验中学习因果网络的方法，当干预目标未知时适用：大样本量下使用图合并方法，小样本量下使用数据池化与重采样方法。核心贡献在于提出一种稳健且统计上有效的因果结构识别方法，即使在缺乏干预目标先验知识的情况下也能实现，仿真结果表明其准确率优于仅基于观察数据的学习方法。

ABSTRACT

In this paper, we discuss structure learning of causal networks from multiple data sets obtained by external intervention experiments where we do not know what variables are manipulated. For example, the conditions in these experiments are changed by changing temperature or using drugs, but we do not know what target variables are manipulated by the external interventions. From such data sets, the structure learning becomes more difficult. For this case, we first discuss the identifiability of causal structures. Next we present a graph-merging method for learning causal networks for the case that the sample sizes are large for these interventions. Then for the case that the sample sizes of these interventions are relatively small, we propose a data-pooling method for learning causal networks in which we pool all data sets of these interventions together for the learning. Further we propose a re-sampling approach to evaluate the edges of the causal network learned by the data-pooling method. Finally we illustrate the proposed learning methods by simulations.

研究动机与目标

• 解决在多个实验数据集中干预目标未知时学习因果网络结构的挑战。
• 开发一种在不确定哪些变量被干预的情况下仍能识别因果结构的方法。
• 提出适用于大规模与小样本量干预实验的可扩展学习技术。
• 通过重采样技术评估边的可靠性，以增强对所学结构的信心。

提出的方法

• 针对大样本量提出图合并方法，即分别利用各独立干预数据集学习网络后进行合并。
• 针对小样本量提出数据池化方法，将所有干预数据合并为单一数据集用于结构学习。
• 采用基于重采样的边评估技术，评估所学网络中边的频率与可靠性。
• 使用条件独立性检验推断 v-结构并定向边，利用重采样中边的出现频率对置信度进行排序。
• 实施基于阈值的选择过程，仅当边的重采样频率超过截止值时才保留该边，以最小化假阳性。
• 在 R 中实现该方法，代码可从作者网站获取，确保可复现性。

实验结果

研究问题

• RQ1 当外部干预的目标未知时，能否识别因果网络结构？
• RQ2 如何有效从干预目标未知的多个干预中学习因果网络？
• RQ3 小样本量对这类情境下因果结构学习的可靠性有何影响？
• RQ4 与单独分析各次干预相比，数据池化结合重采样能否提升边检测的准确性？
• RQ5 当干预目标未被观测时，如何量化边的置信度？

主要发现

• 图合并方法即使在未知干预目标的情况下，也能比仅基于观察数据的学习方法恢复更多有向边。
• 在小样本情况下，结合重采样的数据池化方法在阈值 θ=20 时，假阴性与假阳性之和（FN+FP）为 4.69，优于仅基于观察数据的学习方法（和为 5.73）。
• 重采样方法中边选择的最优阈值为 θ=20，此时假阴性 FN=3.37 与假阳性 FP=1.32 之和最小。
• 重采样频率更高的边显著更可能是真正阳性，重采样列表中频率最高的前 10 条边中有 100% 为真正阳性。
• 即使干预目标未知，该方法仍能正确识别底层因果网络中的局部结构。
• 结合重采样的数据池化方法在性能上优于仅基于观察数据的学习方法，尤其在减少假阳性方面表现更优。