क्या निर्देशित अम्लीय ग्राफ में किनारे कार्य-कारण का प्रतिनिधित्व करते हैं?

Question

मैं सेल्फ-स्टडी के लिए एक पुस्तक प्रोबेबिलिस्टिक ग्राफिकल मॉडल का अध्ययन कर रहा हूं । क्या एक निर्देशित चक्रीय ग्राफ (DAG) में किनारे कारण संबंधों का प्रतिनिधित्व करते हैं?

क्या होगा यदि मैं एक बायेसियन नेटवर्क का निर्माण करना चाहता हूं , लेकिन मुझे इसमें तीरों की दिशा के बारे में निश्चित नहीं है? सभी डेटा मुझे बताएंगे कि सहसंबंध मनाया जाता है, न कि उनके बीच अंतर-लिंकिंग। मुझे पता है कि मैं बहुत अधिक पूछ रहा हूं, क्योंकि मुझे यकीन है कि निम्नलिखित अध्याय इन मुद्दों को संबोधित करेंगे, लेकिन यह सिर्फ इतना है कि मैं इसके बारे में सोचना बंद नहीं कर सकता।

Answer 1

कई संरचना सीखने वाले एल्गोरिदम केवल अपने मार्कोव समकक्षों के लिए प्रतिस्पर्धात्मक संरचनाओं को स्कोर कर सकते हैं और इसके परिणामस्वरूप केवल डेटा पर आधारित बायेसियन नेटवर्क (बीएन) के लिए एक अद्वितीय डीएजी सीखना असंभव है, जो कार्य-कारण परिकल्पना को संदिग्ध बनाता है। Spirtes एट अल। इस मुद्दे को " सांख्यिकीय अविभाज्यता " के रूप में कहा गया है, उनकी पुस्तक में लंबाई पर चर्चा की गई है।

मैं यह विचार करता हूं कि DAG में किनारों को मुख्य रूप से संभाव्य निर्भरता के रूप में व्याख्यायित किया जाना चाहिए, जो कारण संबंधों में अंतर्दृष्टि उधार देता है। यह 'कारण' के प्रस्तावकों के दृष्टिकोण के अनुरूप है। बेइज़ियन नेटवर्क्स (जुडिया पर्ल सहित) जो इस बात का बचाव करते हैं कि बीएन द्वारा दर्शाए गए संभाव्यता वितरण में अंतर्निहित कारण संरचना है।

टेक-होम संदेश है, इस मुद्दे पर कोई अतिव्यापी समझौता मौजूद नहीं है। लेकिन मुझे लगता है कि मैंने जो दृष्टिकोण साझा किया है वह अधिक सुरक्षित है।

Answer 2

मैं केवल एक निर्देशित किनारा खींचता हूं अगर मैं यह मानकर खुश हूं कि संबंध कारण है। यह धारणा निश्चित रूप से अवलोकन डेटा द्वारा सत्यापित नहीं की जा सकती है, लेकिन एक डीएजी के रूप में परिकल्पित कारण संबंधों के एक सेट को औपचारिक रूप देकर, मैं यह पहचान कर सकता हूं कि ग्राफ में दिए गए संबंध के बारे में सर्वोत्तम संभव कार्यवाहियों को बनाने के लिए किस चर को समायोजित करना है। मेरे नजरिए से, यदि DAG सच है (बड़ा है, विशेष रूप से acylic बिट) तो चर के बीच रिश्तों को एक निश्चित तरीके से देखना चाहिए; लेकिन यह अभी भी एक पूर्ण अनुपस्थिति है, और यदि आप ऐसे तीर जोड़ते हैं तो मैं उस अमूर्त के मूल्य को नहीं देखता हूं जो परिकल्पित कारण संबंधों को प्रतिबिंबित नहीं करते हैं।

Answer 3

हां, DAG में किनारे कारण संबंधों को दर्शाते हैं। एक किनारे पर विचार करें जो से जाता है , इसका अर्थ है कि ' ' का कारण बनता है ।ए $A\rightarrow B$$A$$B$

इसके अलावा, एक अद्वितीय बेय्स नेटवर्क का निर्माण करना असंभव है, बस डेटा को अलग-अलग धारणाओं के रूप में अलग-अलग रेखांकन के निर्माण के लिए नेतृत्व किया जा सकता है।

इसके बारे में अधिक जानने के लिए एक अच्छा संसाधन यहां पाया जा सकता है ।

Comments

कोरोलरी: और बीच तीर की अनुपस्थिति का अर्थ है कि 'सीधे' कारण नहीं बनता है । (बेशक, अभी भी पर अप्रत्यक्ष कारण प्रभाव हो सकते हैं )। बी ए बी ए $A$$B$$A$$B$$A$$B$

— एलेक्सिस

मुझे लगता है कि यह गलत है। एक DAG सिर्फ एक ग्राफ है। केवल अगर हम कुछ धारणाएँ बनाते हैं, तो क्या हम या तो प्रायिकता निर्भरता (संभाव्य डीएजी) या कारण संबंधों (कारण डीएजी) के संग्रह के रूप में व्याख्या कर सकते हैं।

— सिंह आजेवेदो

Answer 4

जैसा कि ज़ुबर्ब ने कहा, इस मुद्दे पर कोई व्यापक समझौता नहीं है। इसलिए, मैं एक और परिप्रेक्ष्य में फेंकूंगा जिसे अभी तक कवर नहीं किया गया है। कारण DAGs के लिए, कारण संरचना को अक्सर तीरों की अनुपस्थिति से एन्कोडेड माना जाता है । इस ढांचे के तहत, तीर कारण या नहीं हो सकता है, लेकिन लापता तीर को दृढ़ता से माना जाना चाहिए या ज्ञात नहीं होना चाहिए। यह व्यापक रूप से बायेसियन नेटवर्क्स पर लागू नहीं हो सकता है, लेकिन जब से आपने अपना प्रश्न अधिक सामान्य रूप से शुरू किया, मुझे लगता है कि यह ध्यान देने योग्य है।

इसके अलावा, यदि आप एक नेटवर्क सीखना चाहते हैं, तो यह आपको तीर की दिशा बताने में सक्षम नहीं होगा, क्योंकि एसोसिएशन तीर के साथ दोनों तरह से बहती है। आपको दिशात्मकता के बारे में कुछ धारणाएँ बनानी होंगी या अस्थायी आदेश के बारे में कुछ जानकारी देनी होगी।