統計学輪講 第14回
| 日時 | 2026年10月06日(火) 14時55分 ～ 15時45分 |
|---|---|
| 場所 | 経済学部新棟３階第３教室 |
| 講演者 | 山川 遥輝 (情報理工M1) |
| 演題 | ベイズ因果構造学習における事前分布の設定 |
| 概要 |
因果構造学習（causal structure learning）では、有限標本のもとで複数の因果構造が同程度にデータと整合し得るため、単一の因果構造を推定するだけでは、その不確実性を十分に表現できない。そこで、ベイズ因果構造学習（Bayesian causal structure learning）では、因果構造そのものを確率変数として扱い、複数の候補構造に対する不確実性を事後分布として表現する。また、因果構造に対する事前分布を通じて、因果順序や辺の存在などに関する事前知識を組み込むことができる。本発表では、(ベイズ)因果構造学習の基本的な枠組みを概説したのち、[1] が提案した、DAG 制約を満たしながら因果順序や辺に関する事前知識を組み込む手法を紹介する。最後に、既存手法の限界を整理し、今後検討したい研究課題について議論する。 [1]Rittel, S., & Tschiatschek, S. (2023). Specifying prior beliefs over DAGS in deep Bayesian causal structure learning. Frontiers in Artificial Intelligence and Applications. Kraków: IOS Press. |