arXiv stat.ML· Shun Yanashima, Kentaro Kanamori, Hirofumi Suzuki·· 4 小时前AI 评分13
AdaPS-LiNGAM：小样本下线性非高斯无环模型的自适应前驱选择
AdaPS-LiNGAM: Adaptive Predecessor Selection for Linear Non-Gaussian Acyclic Models under Small-Sample Settings
AI 导读
针对变量数超过样本量时 DirectLiNGAM 反复残差化必然退化的问题，研究者提出 AdaPS-LiNGAM，利用因果顺序中已定位变量的稀疏子集（活跃边界）直接从原始观测重建残差，并将同一子集选择原则用于边估计的最终剪枝。合成数据实验显示，该方法在样本受限场景下能准确恢复因果结构，且随样本量减少退化更平缓。
来源：arXiv stat.ML · arxiv.org