教師あり学習に基づく時系列の因果推論

• Item type: SIG Technical Reports(1)
• 公開日: 2018-06-06
• タイトル: 教師あり学習に基づく時系列の因果推論
• タイトル / 言語: en
• タイトル: A Supervised Learning Approach to Causal Inference in Time Series
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: MPS一般セッション(2)
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: NTTコミュニケーション科学基礎研究所
• 著者所属: NTTコミュニケーション科学基礎研究所
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者名: 近原, 鷹一; 藤野, 昭典
• 著者名(英): Yoichi, Chikahara; Akinori, Fujino
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 時系列の因果推論は時系列解析における重要なタスクの 1 つである．従来手法では，回帰モデルを用いて因果関係の方向を推定するが，その推定精度は，回帰モデルがデータにうまくフィティングできるかどうかに強く依存するため，各々のデータに対して適切な回帰モデルを選択する必要がある．しかし，回帰モデルの選択には，データに対する深い理解が要求されるため，実際には容易なことではない．本稿では，回帰モデルではなく分類器を用いた，教師あり学習に基づく手法を提案する．そのために，過去の値で条件づけられた条件付き分布間の距離を用いた特徴量表現を導入し，この特徴量表現によって，異なる因果関係の時系列に対して，十分異なる特徴ベクトルが得られ，結果として高い精度で因果関係を推定できることを実験的に示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Causal inference in time series is an important task in time series analysis. Traditional methods use regression models for this task. Since their inference accuracies depend largely on whether the model can be well fitted to the data, it requires us to select an appropriate regression model. However, this is not easy because such selection of regression models requires a deep understanding of the data. This paper proposes a supervised learning framework that utilizes a classifier instead of regression models. We introduce a feature representation that utilizes the distance between the conditional distributions given past variable values. We experimentally show that the feature representation gives sufficiently different feature vectors for time series with different causal relationships, which leads our method to achieve high inference accuracy.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2018-BIO-54, 号 24, p. 1-6, 発行日 2018-06-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会