[论文解读] Causality Networks

Ishanu Chattopadhyay|arXiv (Cornell University)|Jun 25, 2014

Complex Network Analysis Techniques参考文献 41被引用 8

一句话总结

该论文提出了一种非参数化、计算高效的格兰杰因果关系检验方法，适用于量化或符号化数据流，利用广义概率自动机（交叉自动机）建模因果交叉依赖关系，无需假设线性关系或特定动力学结构。该方法在多项式时间与样本复杂度下实现高概率的因果关系推断，已在真实世界的谷歌搜索频率数据上得到验证。

ABSTRACT

Abstract—While correlation measures are used to discern statistical re-lationships between observed variables in almost all branches of data-driven scientific inquiry, what we are really interested in is the existence of causal dependence. Statistical tests for causality, it turns out, are signif-icantly harder to construct; the difficulty stemming from both philosophical hurdles in making precise the notion of causality, and the practical issue of obtaining an operational procedure from a philosophically sound definition. In particular, designing an efficient causality test, that may be carried out in the absence of restrictive pre-suppositions on the underlying dynamical structure of the data at hand, is non-trivial. Nevertheless, ability to computa-tionally infer statistical prima facie evidence of causal dependence may yield a far more discriminative tool for data analysis compared to the calculation of simple correlations. In the present work, we present a new non-parametric test of Granger causality for quantized or symbolic data streams generated by ergodic stationary sources. In contrast to state-of-art binary tests, our approach makes precise and computes the degree of causal dependence between data streams, without making any restrictive assumptions, linear-ity or otherwise. Additionally, without any a priori imposition of specific dynamical structure, we infer explicit generative models of causal cross-dependence, which may be then used for prediction. These explicit models are represented as generalized probabilistic automata, referred to crossed automata, and are shown to be sufficient to capture a fairly general class of causal dependence. The proposed algorithms are computationally efficient in the PAC sense; i.e., we find good models of cross-dependence with high probability, with polynomial run-times and sample complexities. The theoretical results are applied to weekly search-frequency data from Google

研究动机与目标

• 开发一种计算高效、非参数化的格兰杰因果关系检验方法，避免依赖线性或已知动力学结构等限制性假设。
• 推断数据流之间因果交叉依赖关系的显式生成模型，以广义概率自动机（交叉自动机）表示。
• 提供一种方法，以高概率计算因果依赖程度，确保运行时间与样本复杂度为多项式级别。
• 将该框架应用于真实世界数据，特别是每周谷歌搜索频率数据，以展示其实际应用价值与超越相关性分析的判别能力。

提出的方法

• 该方法采用非参数化方法，用于在遍历平稳信源中检验格兰杰因果关系，避免参数化或线性假设。
• 通过构建广义概率自动机——称为“交叉自动机”——来表示数据流之间因果交叉依赖关系的显式生成模型。
• 该算法在PAC学习框架内运行，确保以高概率找到因果依赖的良好模型。
• 该方法利用量化或符号化数据流，使其可应用于真实世界数据，如搜索频率时间序列。
• 通过分析时滞观测之间的转移概率与统计依赖关系，计算因果依赖程度。
• 通过实现多项式时间与样本复杂度，确保计算效率，使其适用于大规模数据分析。

实验结果

研究问题

• RQ1 是否能够通过一种非参数化、无假设的方法，在不依赖底层动力学结构知识的前提下，推断数据流之间的因果依赖？
• RQ2 如何构建并表示因果交叉依赖关系的显式生成模型，以捕捉广泛类别的因果关系？
• RQ3 所提出的方法在多大程度上能够实现在多项式运行时间与样本复杂度下的高概率因果关系推断？
• RQ4 该方法是否能够在识别真实世界数据中有意义的因果模式方面，优于传统的基于相关性的分析？

主要发现

• 所提出的方法成功在不假设线性关系或特定动力学结构的前提下，推断出数据流之间的因果依赖。
• 广义概率自动机（交叉自动机）被证明足以捕捉数据流中相当广泛的一类因果依赖关系。
• 该算法实现了多项式时间与样本复杂度，确保在PAC意义下的计算效率。
• 该方法显式计算因果依赖程度，相较于简单的相关性度量，提供了更具判别力的工具。
• 在每周谷歌搜索频率数据上的应用表明，该框架识别出了超越单纯统计相关的有意义因果关系。
• 该方法可通过推断的生成模型实现预测，展示了在真实世界数据分析中的实际应用价值。