Linear Non-Gaussian Acyclic Models

新方法使用 Wasserstein 距离进行 ICA 和因果推断

研究人员开发了一种新颖的方法，利用到标准高斯分布的平方 2-Wasserstein 距离来进行独立成分分析 (ICA) 和因果推断。该方法有效地识别 ICA 中的解混矩阵，并表征线性非高斯无环模型 (LiNGAM) 中的因果顺序。该研究引入了具有一致收敛界限的经验估计器，并提出了三种实用的求解器，分别用于 ICA、因果顺序搜索和一种贪婪变体，在实证评估中表现出有竞争力的性能。