arXiv · Statistics Machine Learning· Shun Yanashima, Kentaro Kanamori, Hirofumi Suzuki·· 3 小时前AI 评分21
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
提出 AdaPS-LiNGAM，针对 DirectLiNGAM 在变量数超过样本量时反复残差化必然退化的问题，用自适应选择的稀疏前驱子集从原始观测直接重构残差，并把同一子集选择原则用于最终剪枝。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，且随样本量下降性能退化更平缓。论文已提交至 arXiv（cs.LG / stat.ML）。
来源：arXiv · Statistics Machine Learning · arxiv.org