A Survey on Causal Discovery Methods for Temporal and Non-Temporal Data

要約

Causal Discovery (CD) は、データから変数間の因果関係を特定するプロセスです。
何年にもわたって、主にデータの統計的特性に基づいていくつかの方法が開発され、根底にある因果メカニズムを明らかにしてきました。
この研究では、因果関係の発見における一般的な用語を紹介し、さまざまな設定で因果関係を特定するために設計されたアプローチの包括的な議論を提供します。
さらに、因果発見アルゴリズムのパフォーマンスを評価するために利用できるベンチマーク データセットのいくつか、因果発見を容易に実行するために利用できるツール、およびこれらの方法を評価するために使用される一般的な指標について説明します。
最後に、CD に関連する一般的な課題を提示して締めくくります。また、関心のある複数の分野における CD のアプリケーションについても説明します。

要約(オリジナル)

Causal Discovery (CD) is the process of identifying the cause-effect relationships among the variables from data. Over the years, several methods have been developed primarily based on the statistical properties of data to uncover the underlying causal mechanism. In this study we introduce the common terminologies in causal discovery, and provide a comprehensive discussion of the approaches designed to identify the causal edges in different settings. We further discuss some of the benchmark datasets available for evaluating the performance of the causal discovery algorithms, available tools to perform causal discovery readily, and the common metrics used to evaluate these methods. Finally, we conclude by presenting the common challenges involved in CD and also, discuss the applications of CD in multiple areas of interest.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google