非高斯噪声下的非线性因果推断的最小二乘独立回归
摘要：非线性因果关系发现在加性非高斯噪声模型下近年来引起了 considerable 的关注，因为其高度灵活性。本文中，我们提出了一种新颖的因果推断算法，称为最小二乘独立回归（LSIR）。LSIR 通过最小化输入和残差之间平方误差互信息的估计器来学习加性噪声模型。LSIR 相对于现有方法的一个显著优势是可以通过交叉验证自然地优化核宽度和正则化参数等调节参数，从而避免数据导致的过拟合。通过与真实世界数据集的实验证明，LSIR 与最先进的因果推断方法相比具有明显优势。
作者：Makoto Yamada, Masashi Sugiyama, Jun Sese
论文ID：1103.5537
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-03-31