E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - Marginal causal consistency in constraint-based causal learning

Αρχική Marginal causal consistency in constraint-based causal learning

Αποτελέσματα - Λεπτομέρειες

[Προσθήκη στο καλάθι]

Κωδικός Πόρου

000403636

Τίτλος

Marginal causal consistency in constraint-based causal learning

Άλλος τίτλος

Συνέπεια αιτιακών σχέσεων κατά την εκμάθηση περιθωρίων αιτιακών γράφων με αλγορίθμους βασισμένους σε περιορισμούς

Συγγραφέας

Ρουμπελάκη, Άννα Ν.

Σύμβουλος διατριβής

Τσαμαρδινός, Ιωάννης
Τριανταφύλλου, Σοφία

Μέλος κριτικής επιτροπής

Τόλλης, Ιωάννης
Γεωργακόπουλος, Γεώργιος

Περίληψη

Οι Μέγιστοι Προγονικοί Γράφοι είναι πιθανότατα γραφικά μοντέλα που μπορούν να αντιπροσωπεύσουν αιτιακές σχέσεις ανάμεσα σε ομάδες μετρήσιμων μεταβλητών υπό την παρουσία λανθανόντων παραγόντων. Ο αλγόριθμος FCI είναι ευρέως χρησιμοποιούμενος για την ανάκτηση, μέσα από σύνολα δεδομένων, αμετάβλητων χαρακτηριστικών ανάμεσα σε ζεύγη μεταβλητών, τα οποία ανήκουν σε μια κλάση Markov ισοδύναμων Μέγιστων Προγονικών Γράφων. Ερευνούμε τη συνοχή των αιτιακών χαρακτηριστικών που λαμβάνουμε από τον FCI και των παραλλαγών του ανάμεσα σε διάφορα οριακά σύνολα δεδομένων. Υπό τέλεια στατιστική γνώση, οι αιτιακές σχέσεις που λαμβάνουμε από τον αλγόριθμο σε οριακά σύνολα δεδομένων δεν θα έπρεπε να συγκρούονται με τις αιτιακές σχέσεις που λαμβάνουμε όταν τον εφαρμόζουμε σε ολόκληρο το σύνολο των δεδομένων. Παρ' όλα αυτά, ο FCI είναι επιρρεπής σε στατιστικά λάθη και σε διάδοση σφαλμάτων. Συνεπώς, τα αποτελέσματα του αλγορίθμου σε διαφορετικά οριακά σύνολα δεδομένων να είναι αντικρουόμενα. Για να μετρήσουμε την αιτιακή συνοχή ανάμεσα σε οριακές κατανομές δεδομένων, χρησιμοποιήσαμε μια νέα μέθοδο η οποία βρίσκει όλες τις αμετάβλητες αιτιακές σχέσεις που υπάρχουν ανάμεσα στις μετρημένες μεταβλητές. Επίσης, παρουσιάζουμε έναν αλγόριθμο για την ταξινόμηση αιτιακών σχέσεων. Συγκρίναμε με τη μέθοδο bootstrapping και μελετήσαμε την επίδραση του συνδυασμού των δύο μεθόδων. Μελετάμε το πρόβλημα της αιτιακής συνοχής σε περιθώριες κατανομές υπό διάφορες συνθήκες, ακόμα και σε μη ιδανικές για τον αλγόριθμο.

Φυσική περιγραφή

62 σ. : πίν., σχήμ. ; 30 εκ.

Γλώσσα

Αγγλικά

Θέμα

Marginal distributions

Αιτιακή μάθηση

Περιθώριες κατανομές

Ημερομηνία έκδοσης

2016-11-18

Συλλογή

Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης