The Impact of Variable Ordering on Bayesian Network Structure Learning

要約

因果ベイジアン ネットワークは、多くの複雑な因果システムに応用できる可能性を備えた、不確実性の下で推論するための重要なツールを提供します。
これらのシステムの因果構造について何かを教えてくれる構造学習アルゴリズムは、ますます重要になっています。
文献では、これらのアルゴリズムの有効性は、さまざまなサンプル サイズ、ハイパーパラメーター、および場合によっては目的関数に対する感度についてテストされることがよくあります。
この論文では、変数がデータから読み取られる順序が、これらの要素よりもアルゴリズムの精度にはるかに大きな影響を与える可能性があることを示します。
変数の順序は任意であるため、学習されたグラフの精度に大きな影響を与えることが懸念されます。このため、異なる変数の順序に敏感であるものの、それに対して評価されていないアルゴリズムによって生成される結果の妥当性について疑問が生じます。

要約(オリジナル)

Causal Bayesian Networks provide an important tool for reasoning under uncertainty with potential application to many complex causal systems. Structure learning algorithms that can tell us something about the causal structure of these systems are becoming increasingly important. In the literature, the validity of these algorithms is often tested for sensitivity over varying sample sizes, hyper-parameters, and occasionally objective functions. In this paper, we show that the order in which the variables are read from data can have much greater impact on the accuracy of the algorithm than these factors. Because the variable ordering is arbitrary, any significant effect it has on learnt graph accuracy is concerning, and this raises questions about the validity of the results produced by algorithms that are sensitive to, but have not been assessed against, different variable orderings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google