English(EN) Structure Learning on Clustered Data

新方法实现Clustered Data上的结构学习

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-09 08:35

研究人员开发了一种新颖的Clustered Data上的结构学习方法，将有向无环图（DAG）方法扩展到适应不同簇内的变异。这项新技术在估计全局结构的同时，还能同时考虑局部簇特定的效应，其灵感来源于经典混合模型的固定效应和随机效应框架。该方法引入了一种可微分的图耦合机制来确保无环性，并采用高效的一阶优化方法进行计算。实验表明，该方法可以识别其他估计器遗漏的依赖关系，对于分析复杂的、聚集的数据集具有价值。 AI

影响这项研究可以改进具有固有子群变异的数据集中的因果发现和依赖性分析。

排序理由该集群包含一篇详细介绍机器学习新统计方法的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv stat.ML TIER_1 English(EN) · Ryan Thompson, Matt P. Wand, Veerabhadran Baladandayuthapani · 2026-07-10 04:00

Structure Learning on Clustered Data

arXiv:2607.08238v1 Announce Type: cross Abstract: Recent algorithmic advances have made directed acyclic graph (DAG) structure learning scalable for causal discovery. Yet, the currently available techniques assume a completely homogeneous population, precluding their application …
arXiv stat.ML TIER_1 English(EN) · Veerabhadran Baladandayuthapani · 2026-07-09 08:35

Structure Learning on Clustered Data

Recent algorithmic advances have made directed acyclic graph (DAG) structure learning scalable for causal discovery. Yet, the currently available techniques assume a completely homogeneous population, precluding their application to clustered data where cluster-specific variation…

报道来源 [2]

Structure Learning on Clustered Data

Structure Learning on Clustered Data

相关实体

相关话题