DAGAF：因果構造学習と表形式データ合成のための、有向非巡回生成的敵対フレームワーク
arXiv cs.LG / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、因果構造学習と表形式データ合成を共同で行う、有向非巡回（DAG）生成的敵対フレームワークであるDAGAFを提案する。
- 単一で同定可能な因果モデルに依存するのではなく、DAGAFはANM、LiNGAM、Post-Nonlinear（PNL）などの複数の機能因果モデルをサポートし、観測された依存関係を説明するDAGを学習する。
- 本手法は、複数の損失項を含む二段階の目的関数を用い、これらの損失が構造学習とデータ生成の両方をどのように可能にするかを正当化する理論的分析を含む。
- 実世界およびベンチマークデータセットでの実験により、構造ハミング距離（SHD）が低いことによって測られる因果発見の品質の向上に加えて、多様で高品質な合成表データを生成できることが報告されている。
